AI Vocal Remover

AI sång avlägsnande använder en djup inlärning modell (Mel-Band RoFormer) som analyserar spektrogrammet av din låt över tid och mel-skalade frekvensband. Det uppskattar sången spår, och instrumental är den ursprungliga blandningen med den sång spår bort, producerar ren karaoke-stil utdata.

Den röstbaserade modellen mätte 11,3 dB sång SDR och 16,0 dB instrumental SDR på 50 MUSDB18 testutdrag, ca 3 dB bättre på båda än motorn vi använde tidigare. Den instrumentala utgången är normalt tillräckligt ren för karaoke eller remixing. Vissa genomblödningar kan förekomma på tungt bearbetade eller komprimerade spår.

Ja! Du får både den isolerade sången och den instrumentala låten. Detta är användbart för att skapa acapella versioner, provtagning sång för remixer, eller transkribera texter från komplexa blandningar.

Vi stöder MP3, WAV, FLAC, OGG, M4A, och WEBM filer upp till 50MB. För bästa resultat, använd den högsta kvalitet källfil tillgänglig (WAV eller FLAC föredras framför komprimerad MP3).

Ja, att skapa karaoke spår är en av de mest populära användningarna. Den instrumentala utdata är tillräckligt ren för karaoke föreställningar, sjunga-långa videor, och bakgrundsmusik för evenemang.

Ladda upp låten och verktyget producerar automatiskt både den isolerade sången (acapella) och instrumentalen. Röstutdragningen fungerar bäst på väl blandade låtar med tydlig sång. Använd WAV eller FLAC källfiler för de renaste resultaten.

Batch bearbetning är tillgänglig via vårt API, så att du kan skicka in flera spår för sång borttagning i ett automatiserat arbetsflöde. Webbgränssnittet behandlar en låt i taget med omedelbar förhandsvisning och nedladdning.

Vårt verktyg använder en Mel-Band RoFormer modell för sång separation. På 50 MUSDB18 test utdrag det mätt 11.3 dB sång SDR och 16.0 dB instrumental SDR. Transformator-baserad separation som detta lämnar färre artefakter än äldre spektral-baserade metoder.

Ja, men resultaten varierar med live-ljud. Studioinspelningar ger den bästa separationskvaliteten. Live-inspelningar med publikljud, reverb och överlappande instrument kan ha mer genomblödning, även om modellen fortfarande ger användbara resultat.

Vocal borttagning använder 2.000 tecken per spår behandlas. Gratis konton får 15,000 tecken vid registrering. Verktyget är tillgängligt på alla betalda planer med generösa tecken utsläppsrätter för regelbunden användning.

Ljud du separerar på någon betald plan kan användas kommersiellt, och uppgradering omfattar också ljud du separerade tidigare på den fria nivån; fri-tier utdata är endast för personligt, icke-kommersiellt bruk. Mel-Band RoFormer sångmodellen släpps under MIT-licensen, så modellen själv sätter inga begränsningar för kommersiell användning. I varje fall måste du ha rättigheter till den ursprungliga låten: använda upphovsrättsskyddade musik utan tillstånd kan bryta upphovsrättslagar oavsett hur ljudet behandlas.

Behandlingstiden beror på spårlängden. En typisk 3-5 minuters låt tar 15-45 sekunder att bearbeta. Längre spår eller högre kvalitet separation lägen kan ta upp till en minut. Resultat spela tillbaka omedelbart i din webbläsare.