Usuwacz AI Vocal

AI wocal recale używa modelu głębokiego uczenia się (Mel-Band RoFormer), który analizuje spektrogram Twojej piosenki w czasie i pasm częstotliwości mel. Szacuje to tor wokalny, a instrumentem instrumentalnym jest oryginalna mieszanka z tym wokalnym usuniętym torkiem, wytwarzając czysty wynik karaoke.

Wzorce głosowe mierzyły 11,3 dB wocal SDR i 16.0 dB instrumentalne SDR na 50 MUSDB18 testowych fragmentów, o 3 dB lepsze zarówno na silniku, który używaliśmy wcześniej. Wyjście instrumentalne jest zazwyczaj wystarczająco czyste do karaoke lub remiksowania. Niektóre krwawienie może wystąpić na ciężkich przetworzonych lub stlačonych torach.

Tak! Dostajesz zarówno odizolowane wokały, jak i tor instrumentalny. Jest to przydatne do tworzenia wersji akapelli, próbki wokalu dla remiksów, lub transkrypcji tekstów z złożonych mieszanek.

Wspomagamy pliki MP3, WAV, FLAC, OGG, M4A i WEBM do 50MB. Dla najlepszych wyników należy użyć najwyższej jakości dostępnych plików źródłowych (WAV lub FLAC preferowane w porównaniu ze sprężonym MP3).

Tak, tworzenie karaoke to jeden z najbardziej popularnych zastosowań. Wynik instrumentalny jest wystarczająco czysty do karaoke występów, śpiew-długich filmów i muzyki tła dla wydarzeń.

Wyślij piosenkę i narzędzie automatycznie produkuje zarówno izolowany tor wokalny (acapella) jak i instrumentalny. Wydobycie wokalu działa najlepiej na dobrze zmieszanych utworach z czystymi wokałami. Użyj plików źródłowych WAV lub FLAC dla najczystszych wyników.

Przetwarzanie partii jest dostępne za pośrednictwem naszego API, pozwalając Państwu składać wiele utworów do usuwania wokału w zautomatyzowanym przepływie roboczym. Interfejs internetowy przetwarza jedną piosenkę naraz z podglądem i pobieraniem.

Nasze narzędzie używa modelu Mel-Band RoFormer do separacji wokali. W 50 MUSDB18 testów mierzył 11,3 dB wokal SDR i 16.0 dB instrumental SDR. Takie separacje na bazie transformatora pozostawiają mniej artefaktów niż starsze metody spektralne.

Tak, ale wyniki różnią się w żywo audio. Nagrania Studio zapewniają najlepszą jakość separacji. Nagrania na żywo z hałasem publiczności, odgłosem i nakładając instrumenty mogą mieć więcej krwawień, chociaż model wciąż daje użyteczne wyniki.

Usunięcie wokalu wykorzystuje 2,000 znaków na tor przetwarzany. Darmowe konta otrzymują 15,000 znaków na rejestracji. Narzędzie jest dostępne na wszystkich płatnych planach z hojnymi przydziałami charakterystycznymi do regularnego użytkowania.

Audio można oddzielić od każdego planu płatnego można używać komercyjne, a modernizacja obejmuje także audio, które wcześniej oddzieliłeś na wolnym poziomie; bezpłatne wyjście jest przeznaczone wyłącznie do użytku osobistego, niekomercyjnego. Model wokalny Mel-Band RoFormer jest wydawany w ramach licencji MIT, więc model sam nie wprowadza ograniczeń w użytkowaniu handlowym. W każdym przypadku musi mieć prawa do oryginalnej piosenki: korzystanie z muzyki autorskiej bez pozwolenia może naruszać prawa autorskie niezależnie od tego, jak jest przetwarzany dźwięk.

Czas przetwarzania zależy od długości toru. Typowa 3-5 minut piosenka zajmuje 15-45 sekund. Długiej utwory lub bardziej wysokiej jakości tryby separacji mogą zająć do minuty. Wyniki odtwarzania natychmiast w przeglądarce.