曲のボーカルを除去してカラオケ音源を作る

AIが曲のボーカルと伴奏を分ける仕組み

曲は、歌声と楽器の音がひとつのファイルに足し合わされたものです。そのままでは声だけを「はがす」ことはできません。そこでAIは、音を時間と周波数の細かいマス目に何千にも分け、それぞれのマスについて、どれだけが声でどれだけが楽器かを見積もります。使われているAIモデルは、ボーカルと伴奏が別々に用意された何千曲もの音源で学習しているので、ギターやドラムに埋もれていても、歌声の音色や歌い出し、ビブラートを聞き分けられます。結果として得られるのは伴奏とボーカルの2つのトラックで、2つを重ねると元の曲にぴったり戻ります。プロ向けの音源分離ソフトと同じ考え方を、ファイルを送らずにブラウザの中で計算しています。

カラオケ音源・オフボーカル・練習用の伴奏を作る

できた伴奏は、自宅でのカラオケ、発表会や文化祭の前の歌の練習、結婚式の余興で歌うためのオケ、本物の伴奏に合わせたボイストレーニングなどに使えます。スマホやスピーカー、車で聞くならMP3、動画編集ソフトなどでさらに加工するなら、これ以上音質が落ちないWAVで保存しましょう。キーが高すぎる・低すぎるときは、伴奏を「曲のキーを変更」に入れて1〜2半音ずらせます。1番やサビだけを使いたいなら「MP3をカット」で切り出せます。ボーカルだけのトラックは、聞き取りにくい歌詞の確認、歌い方の研究、リミックスづくりに役立ちます。

AIモードと高速モード、どちらを選ぶ？

高速モードは、音楽ソフトで昔から使われているテクニックです。メインボーカルはたいてい左右のスピーカーの真ん中に同じ音で置かれ、楽器は左右に振り分けられていることが多いので、250 Hz〜7 kHzの範囲で左右に共通する音を取り除くと、ベースやバスドラムを残したまま声の多くを一瞬で消せます。ただし、中央にあるほかの音（スネア、ソロ楽器、ピアノなど）も一緒に消え、声のエコーは残り、モノラル録音には使えません。AIモードは声の位置に頼らず、声そのものを聞き分けるので、楽器のステレオ感を保ったまま、使えるボーカルトラックも作れます。初回にモデル（約40MB）を一度ダウンロードし、端末に応じて数秒から1〜2分ほど計算します。

分離の限界と著作権について

完璧な分離はありません。曲によっては、伴奏に声の名残（特にリバーブやコーラス）がうっすら残ったり、ボーカルにドラムが少し混じったり、水の中のようなこもった音になったりします。コーラスの多い曲、エフェクトやオートチューンを強くかけた声、サックスやバイオリンのように人の声に近い楽器は、分離が難しくなります。できるだけ音質のよいファイルを使ってください。強く圧縮されたMP3では仕上がりもぼやけます。また、ボーカルを消しても権利は変わりません。市販の曲の伴奏は、引き続き著作権で守られています。自宅で歌う、練習するといった個人的な利用にとどめ、YouTubeやTikTokへの投稿や人前で流すには権利者の許可が必要です。