Remover a voz de uma música

Como a IA separa a voz e a música de uma canção

Uma música é uma mistura: voz e instrumentos são somados em um único arquivo, e não existe um jeito de “descolar” uma coisa da outra diretamente. A IA faz de outra forma. Ela divide o som em milhares de pedacinhos de tempo e de frequência e estima, para cada um, quanto pertence à voz e quanto pertence aos instrumentos. O modelo usado foi treinado com milhares de músicas cujas vozes e acompanhamentos estavam disponíveis separadamente: ele aprendeu a reconhecer o timbre de uma voz cantada, os ataques e o vibrato, mesmo encobertos por guitarras ou bateria. Você recebe duas faixas, o instrumental e a voz isolada, que somadas devolvem exatamente a música original. É o princípio dos programas profissionais de separação de faixas, calculado aqui no seu navegador, sem enviar o arquivo.

Fazer um playback para o videokê, a igreja ou uma apresentação

O instrumental serve de base para cantar no videokê em casa, ensaiar uma música antes de uma apresentação, preparar o playback do louvor na igreja, de uma festa da escola ou de um casamento, ou treinar o canto em cima da música de verdade. Baixe em MP3 para ouvir em qualquer lugar (celular, caixinha de som, TV com pen drive) ou em WAV para editar num programa de áudio sem perder mais qualidade. Se a música estiver aguda ou grave demais para a sua voz, passe o instrumental depois em “Mudar o tom de uma música” para descer ou subir um ou dois semitons. Para ficar só com uma estrofe ou o refrão, corte com “Cortar um MP3”. Já a faixa da voz isolada ajuda a tirar uma letra difícil de entender, estudar a interpretação de um cantor ou preparar um remix.

Modo IA ou modo rápido: qual escolher?

O modo rápido usa um truque antigo dos programas de áudio: a voz principal quase sempre fica no centro da mixagem, igual nos dois alto-falantes, enquanto os instrumentos costumam ficar espalhados à esquerda e à direita. Ao retirar o que é comum aos dois canais entre 250 Hz e 7 kHz, boa parte da voz some na hora, e o baixo e o bumbo continuam. Mas tudo o que está no centro vai embora junto (caixa, solo, piano), o eco da voz continua audível, e uma gravação mono não pode ser tratada assim. O modo IA não depende da posição: ele reconhece a própria voz, mantém o estéreo dos instrumentos e entrega uma voz isolada aproveitável. Ele só precisa baixar o modelo uma vez (cerca de 40 MB) e leva de alguns segundos a um ou dois minutos de cálculo, conforme o aparelho.

Os limites da separação e os direitos autorais

Nenhuma separação é perfeita. Dependendo da música, pode sobrar um leve eco da voz no instrumental, principalmente a reverberação e o backing vocal, e a voz isolada pode manter um pouco de bateria ou soar meio “debaixo d'água”. Músicas com muito coro, vozes muito processadas (efeitos, autotune forte) ou instrumentos parecidos com a voz, como saxofone ou violino, se separam pior. Use o arquivo de melhor qualidade possível: um MP3 muito comprimido dá um resultado menos nítido. Por fim, tirar a voz não muda nada nos direitos: o instrumental de uma música comercial continua protegido por direitos autorais. Ele serve para uso pessoal, como cantar em casa ou ensaiar, mas publicar no YouTube ou no TikTok, ou tocar em público, exige a autorização dos detentores dos direitos.