Hiqësi i Vokalëve AI

AI vocal removal përdor një model të mësimit të thellë (Mel-Band RoFormer) që analizon spektrogramin e këngës suaj gjatë kohës dhe bandave të frekuencave të shkallëzuara Mel. Ai vlerëson gjuhën vokale dhe instrumentali është përzierja origjinale me atë gjuhë vokale të hequr, duke prodhuar një dalje të pastër në stilin karaoke.

Modeli vokal ka matur 11.3 dB SDR vokal dhe 16.0 dB SDR instrumental në 50 pjesë të provimeve MUSDB18, rreth 3 dB më mirë në të dyja se motori që përdorëm më parë. Rezultati instrumental është zakonisht i pastër sa duhet për karaoke ose remix. Disa gjakderdhje mund të ndodhin në pista të përpunuara apo të kompresuara.

Po! Ju merrni si vokalet e izoluara, ashtu edhe pikën instrumentale. Kjo është e dobishme për krijimin e versioneve acapella, për marrjen e shembujve të vokaleve për remikset, ose për transkriptimin e teksteve nga mikset komplekse.

Ne suportojmë file MP3, WAV, FLAC, OGG, M4A dhe WEBM deri në 50MB. Për rezultate më të mira, përdorni file burim me cilësi më të lartë në dispozicion (WAV ose FLAC preferohet ndaj MP3 të kompresuar).

Po, krijimi i pistave karaoke është një nga përdorimet më popullore. Rezultati instrumental është i pastër sa duhet për interpretimet karaoke, videot me këngë dhe muzikën e sfondit për ngjarjet.

Ngarko këngën dhe instrumenti prodhon automatikisht si pikën vokale të izoluar (acapella) ashtu edhe instrumentalen. Zbulimi vokal punon më mirë në pikat e përziera mirë me vokale të qarta. Përdor file burimor WAV ose FLAC për rezultate më të pastra.

Procesimi i grupeve është në dispozicion nëpërmjet API-së sonë, duke të lejuar të dërgosh disa këngë për heqjen vokale në një proces të automatizuar. Interfaqja web përpunon një këngë në një kohë me parashikim të menjëhershëm dhe shkarkim.

Instrumenti ynë përdor një model Mel-Band RoFormer për ndarjen vokale. Në 50 pjesë të testit MUSDB18, ai ka matur 11.3 dB SDR vokal dhe 16.0 dB SDR instrumental. Ndarja e bazuar në transformator si kjo lë më pak artefakte se metodat e vjetra të bazuara në spektrum.

Po, por rezultatet ndryshojnë me audion në xhirim. Inçizimet në studio japin cilësinë më të mirë të ndarjes. Inçizimet në xhirim me zhurmë audience, reverb dhe instrumente të mbivendosura mund të kenë më shumë gjallëri, edhe pse modeli ende prodhon rezultate të përdorshme.

Hiqja vokale përdor 2,000 karakterë për çdo këngë të përpunuar. Llogaritë falas marrin 15,000 karakterë me regjistrimin. Mjeti është në dispozicion në të gjitha planet e paguar me një numër të gjerë karakteresh për përdorim të rregullt.

Audio që ndani në çdo plan të paguar mund të përdoret komercialisht, dhe përmirësimi gjithashtu mbulon audio që ndani më parë në nivelin e lirë; daljet e nivelit të lirë janë vetëm për përdorim personal, jo komercial. Modeli vokal Mel-Band RoFormer është lëshuar nën licencën MIT, kështu që modeli vetë nuk vë kufizime në përdorimin komercial. Në çdo rast duhet të keni të drejtat e këngës origjinale: përdorimi i muzikës me copyright pa leje mund të shkelë ligjet e copyright pavarësisht nga mënyra se si audio është përpunuar.

Koha e përpunimit varet nga gjatësia e trekëndëshit. Një këngë tipikisht 3-5 minuta merr 15-45 sekonda për t'u përpunuar. Trekëndëshi më i gjatë ose modaliteti i ndarjes me cilësi më të lartë mund të marrë deri në një minutë. Rezultatet luhen menjëherë në shfletuesin tuaj.