Eliminador Vocal da IA

A remoção vocal da IA utiliza um modelo de aprendizagem profunda (Mel-Band RoFormer) que analisa o espectrograma de sua música ao longo do tempo e bandas de frequências escaladas de mel. Estima a faixa vocal, e o instrumental é a mistura original com essa faixa vocal removida, produzindo saída limpa de estilo karaoke.

O modelo vocal mediu 11,3 dB vocal SDR e 16,0 dB instrumental SDR em 50 MUSDB18 extratos de teste, cerca de 3 dB melhor em ambos que o motor que usamos antes. A saída instrumental é tipicamente limpa o suficiente para karaoke ou remixing. Alguns hemorragias podem ocorrer em faixas pesadamente processadas ou comprimidas.

Sim! Você recebe tanto as vozes isoladas como a pista instrumental. Isto é útil para criar versões de acapella, amostrar as vozes para remixões, ou transcrição de letras de misturas complexas.

Nós suportamos arquivos MP3, WAV, FLAC, OGG, M4A e WEBM até 50MB. Para os melhores resultados, use o arquivo fonte de alta qualidade disponível (WAV ou FLAC preferido em MP3) comprimido.

Sim, criar faixas de karaoke é uma das mais populares. A saída instrumental é limpa o suficiente para performances de karaoke, vídeos de canto e música de fundo para eventos.

Carregue a música e a ferramenta automaticamente produz tanto a faixa vocal isolada (acapella) como o instrumental. A extração vocal funciona melhor em faixas bem misturadas com voz clara. Use arquivos de fonte WAV ou FLAC para os resultados mais limpos.

O processamento de lotes está disponível através da nossa API, permitindo que você envie várias faixas para remoção vocal em um fluxo de trabalho automatizado. A interface web processa uma música de cada vez com visualização instantânea e download.

Nossa ferramenta utiliza um modelo Mel-Band RoFormer para separação vocal. Em 50 MUSDB18 extratos de testes mediram 11,3 dB vocal SDR e 16,0 dB instrumental SDR. Separação baseada em transformadores, como isso deixa menos artefatos do que métodos espectrais mais antigos.

Sim, mas os resultados variam com áudio ao vivo. As gravações estúdio dão a melhor qualidade de separação. As gravações ao vivo com ruído de audiência, reverb e instrumentos sobrepostos podem ter mais hemorragia, embora o modelo ainda produza resultados utilizáveis.

Remoção Vocal usa 2.000 caracteres por faixa processada. Contas gratuitas recebem 15.000 caracteres na inscrição. A ferramenta está disponível em todos os planos pagos com licenças de caráter generosas para uso regular.

O áudio que você separa em qualquer plano pago pode ser usado comercialmente, e a atualização também cobre áudio que você se separa mais cedo no nível livre; a saída de nível livre é para uso pessoal e não comercial apenas. O modelo vocal Mel-Band RoFormer é lançado sob a licença MIT, por isso o próprio modelo não coloca nenhuma restrição no uso comercial. Em todos os casos você deve ter os direitos à música original: usar música com copyright sem permissão pode violar as leis de copyright independentemente de como o áudio é processado.

O tempo de processamento depende do comprimento da pista. Uma música típica de 3-5 minutos leva 15-45 segundos para processar. Os modos de separação mais longos ou de maior qualidade podem levar até um minuto. Os resultados reproduzem instantaneamente no seu navegador.