Gesang aus einem Lied entfernen

So trennt die KI Gesang und Musik eines Songs

Ein Song ist eine Mischung: Gesang und Instrumente sind in einer einzigen Datei zusammengerechnet, und nichts erlaubt es, sie direkt wieder „abzulösen“. Die KI geht anders vor. Sie zerlegt den Klang in Tausende kleine Zeit- und Frequenzabschnitte und schätzt für jeden davon, welcher Anteil zur Stimme und welcher zu den Instrumenten gehört. Das verwendete Modell wurde mit Tausenden Songs trainiert, bei denen Gesang und Begleitung getrennt vorlagen: Es hat gelernt, die Klangfarbe einer Singstimme, ihre Einsätze und ihr Vibrato zu erkennen, selbst unter Gitarren oder Schlagzeug. Du bekommst zwei Spuren, das Instrumental und den isolierten Gesang, die zusammen wieder genau das Original ergeben. Das ist das Prinzip professioneller Programme zur Spurtrennung (Stem Separation), hier direkt in deinem Browser berechnet, ohne die Datei hochzuladen.

Karaoke, Playback oder eine Instrumentalversion erstellen

Mit dem Instrumental kannst du zu Hause Karaoke singen, einen Song vor einem Auftritt proben, ein Playback für das Schulfest, eine Hochzeit oder einen runden Geburtstag vorbereiten oder deinen Gesang mit der echten Musik üben. Lade es als MP3 herunter, um es überall abzuspielen (Handy, Bluetooth-Lautsprecher, Fernseher per USB-Stick), oder als WAV, um es ohne weiteren Qualitätsverlust in einem Schnittprogramm zu bearbeiten. Ist der Song zu hoch oder zu tief für deine Stimme, schick das Instrumental danach durch „Tonart eines Songs ändern“, um es um einen oder zwei Halbtöne zu verschieben. Willst du nur eine Strophe oder den Refrain behalten, schneide ihn mit „MP3 schneiden“ zu. Die reine Gesangsspur hilft dagegen, schwer verständliche Songtexte mitzuschreiben, die Interpretation einer Sängerin oder eines Sängers zu studieren oder einen Remix vorzubereiten.

KI-Modus oder schneller Modus: Was solltest du wählen?

Der schnelle Modus nutzt einen alten Trick aus Audioprogrammen: Die Hauptstimme liegt fast immer in der Mitte der Abmischung, auf beiden Lautsprechern gleich, während die Instrumente oft links und rechts verteilt sind. Entfernt man zwischen 250 Hz und 7 kHz alles, was in beiden Kanälen gleich ist, verschwindet ein guter Teil des Gesangs im Nu, während Bass und Bassdrum erhalten bleiben. Aber alles, was in der Mitte liegt, verschwindet mit (Snare, Solo, Klavier), der Hall der Stimme bleibt hörbar, und eine Mono-Aufnahme lässt sich so gar nicht bearbeiten. Der KI-Modus hängt nicht von der Position ab: Er erkennt die Stimme selbst, behält das Stereobild der Instrumente und liefert eine brauchbare reine Gesangsspur. Dafür muss das Modell einmal heruntergeladen werden (etwa 40 MB), danach dauert die Berechnung je nach Gerät einige Sekunden bis ein, zwei Minuten.

Grenzen der Trennung und Urheberrecht

Keine Trennung ist perfekt. Je nach Song kann im Instrumental ein leichtes Echo der Stimme bleiben, vor allem Hall und Backgroundchöre, und der isolierte Gesang kann noch etwas Schlagzeug enthalten oder leicht „wie unter Wasser“ klingen. Songs mit vielen Chören, stark bearbeitete Stimmen (Effekte, kräftiges Autotune) oder Instrumente, die einer Stimme ähneln, etwa Saxofon oder Geige, lassen sich schlechter trennen. Nimm die Datei in der bestmöglichen Qualität: Eine stark komprimierte MP3 ergibt ein weniger sauberes Ergebnis. Und das Entfernen der Stimme ändert nichts an den Rechten: Das Instrumental eines kommerziellen Songs bleibt urheberrechtlich geschützt. Für den privaten Gebrauch, etwa zum Singen zu Hause oder zum Üben, ist es in Ordnung; wer es auf YouTube oder TikTok hochlädt oder öffentlich abspielt, braucht die Zustimmung der Rechteinhaber.