Usuń wokal z piosenki

Jak AI oddziela głos od muzyki w piosence

Piosenka to mieszanka: głos i instrumenty są zsumowane w jednym pliku i nie da się ich po prostu „odkleić”. AI działa inaczej. Dzieli dźwięk na tysiące małych wycinków czasu i częstotliwości, a potem dla każdego z nich ocenia, ile należy do głosu, a ile do instrumentów. Model został wytrenowany na tysiącach piosenek, w których wokal i akompaniament były dostępne osobno: nauczył się rozpoznawać barwę śpiewającego głosu, jego atak i wibrato, nawet gdy przykrywają je gitary czy perkusja. Dostajesz dwie ścieżki, podkład i wyizolowany wokal, które po zsumowaniu dają dokładnie oryginalny utwór. Na tej samej zasadzie działają profesjonalne programy do rozdzielania ścieżek, tyle że tutaj wszystko liczy się w Twojej przeglądarce, bez wysyłania pliku.

Podkład do karaoke, playback albo wersja instrumentalna

Otrzymany podkład przyda się do karaoke w domu, do próby przed występem, do przygotowania playbacku na akademię szkolną, konkurs piosenki czy wesele albo do ćwiczenia śpiewu z prawdziwą muzyką. Pobierz go w MP3, żeby słuchać wszędzie (telefon, głośnik, telewizor z pendrive'a), albo w WAV, żeby dalej obrabiać go w programie do montażu bez dodatkowej utraty jakości. Jeśli piosenka jest za wysoka lub za niska dla Twojego głosu, przepuść podkład przez narzędzie „Zmiana tonacji piosenki” i przesuń go o jeden lub dwa półtony. Żeby zostawić tylko zwrotkę albo refren, wytnij fragment narzędziem „Przytnij MP3”. Sam wokal pozwala z kolei spisać niewyraźny tekst, przeanalizować interpretację wokalisty albo przygotować remiks.

Tryb AI czy tryb szybki: który wybrać?

Tryb szybki korzysta ze starego triku programów audio: główny wokal prawie zawsze jest umieszczony na środku miksu, identycznie w obu głośnikach, a instrumenty są często rozłożone na lewo i prawo. Gdy usunie się to, co wspólne dla obu kanałów w zakresie od 250 Hz do 7 kHz, w jednej chwili znika spora część głosu, a bas i stopa perkusji zostają. Znika jednak też wszystko, co stoi na środku (werbel, solówka, pianino), pogłos głosu nadal słychać, a nagrania mono w ogóle nie da się tak przerobić. Tryb AI nie zależy od rozmieszczenia: rozpoznaje sam głos, zachowuje stereo instrumentów i daje użyteczny sam wokal. Wymaga tylko jednorazowego pobrania modelu (około 40 MB) i od kilku sekund do minuty czy dwóch obliczeń, zależnie od urządzenia.

Ograniczenia separacji i prawa autorskie

Żadna separacja nie jest idealna. Zależnie od utworu w podkładzie może zostać lekkie echo głosu, zwłaszcza pogłos i chórki, a wyizolowany wokal może zachować trochę perkusji albo brzmieć lekko „spod wody”. Gorzej rozdzielają się piosenki z dużą ilością chórków, mocno przetworzone głosy (efekty, wyraźny autotune) albo instrumenty o barwie zbliżonej do głosu, jak saksofon czy skrzypce. Zacznij od pliku w jak najlepszej jakości: mocno skompresowane MP3 da mniej czysty wynik. Pamiętaj też, że usunięcie wokalu nic nie zmienia w kwestii praw: podkład do piosenki z rynku nadal jest chroniony prawem autorskim. Nadaje się do użytku osobistego, na przykład do śpiewania w domu albo ćwiczeń, ale publikacja na YouTube czy TikToku albo publiczne odtwarzanie wymaga zgody właścicieli praw.