Søg på "fjern vokal fra en sang", og du finder to slags værktøjer: vokalfjernere og stem-splittere. Navnene lyder som to forskellige teknologier. Det er de ikke. Begge bruger den samme familie af neurale netværk, trænet på multitrack-indspilninger; forskellen ligger i, hvad de leverer, og hvad de er indstillet til. At vide, hvilken du har brug for, sparer behandlingstid og giver et bedre resultat.
Den korte version
- En vokalfjerner giver dig to filer: stemmen og alt det andet. Den er indstillet til at gøre "alt det andet" så rent som muligt. Brug den til karaoke, backingtracks og acapellaer.
- En stem-splitter giver dig fire eller fem filer: vokal, trommer, bas, klaver og "andre" instrumenter. Brug den til remix, øvespor, hvor du muter dit eget instrument, og transskription.
Mange tjenester, herunder Mazmazikas vokalfjerner, tilbyder begge tilstande fra samme side, så det egentlige spørgsmål er, hvilken tilstand du skal vælge til opgaven.
Sådan fungerer de begge
En færdig sang er én enkelt stereofil. Intet i den siger "denne del er sangeren". En kildeadskillelsesmodel lærer, ud fra tusindvis af sange, hvor de enkelte spor var tilgængelige, hvordan stemmer, trommer, basser og keyboards typisk lyder: deres klangfarve, deres placering i stereobilledet, måden de bevæger sig over tid. Når den får et nyt mix, forudsiger den, for hver lille bid af tid og frekvens, hvor meget af energien der tilhører hver kilde, og genopbygger én lydfil pr. kilde ud fra disse forudsigelser.
Det er derfor, resultaterne aldrig er helt perfekte. Hvor to kilder overlapper i tid og frekvens, for eksempel en kvindestemme og en forvrænget guitar i samme register, må modellen foretage et skøn, og lidt af den ene ender i den anden. Større modeller skønner bedre; det er, hvad "High Quality"- og "Ultra"-motorerne er.
For en letforståelig gennemgang af selve modellen, se Sådan fungerer AI-vokaladskillelse egentlig.
Hvorfor to stems kan være renere end fem
Det er fristende at tro, at fem stems simpelthen er "mere". For instrumentalen er det ofte værre. Når en model opdeler i fem, skal den tildele hver eneste smule energi til én af fem kasser, og fejlene ophobes; et lilletrommeslag, der lander delvist i "andet" og delvist i "trommer", lyder let udtværet, når de to spilles sammen igen. Når den kun skal afgøre "stemme eller ikke stemme", er der én grænse, den skal ramme rigtigt, og instrumentalen bevarer det originale mix' sammenhængskraft.
Så til karaoke og backingtracks skal du vælge to stems. Til alt, hvor du faktisk vil have trommerne eller bassen for sig selv, skal du vælge multi-stem-tilstanden og acceptere lidt flere artefakter pr. stem.
Hvilken til hvilken opgave
Karaoke og sangøvning. Vokalfjerner, to stems. Behold harmonierne ved at bruge en model, der kun fjerner leadvokalen, hvis værktøjet tilbyder en.
Acapella til et remix eller mashup. Vokalfjerner, to stems, og brug den bedste motor, du har; acapellaen er den stem, du kommer til at høre mest udsat.
Øvespor til et bandmedlem. Stem-splitter. Mute bas-stemmen for at øve bas, tromme-stemmen for at øve trommer og så videre. Browsermixeren gør det uden en DAW.
Transskription af en stemme. Stem-splitter. At solo'e klaveret eller bassen gør tonerne langt lettere at høre, og kører du resultatet gennem akkordanalysatoren, får du harmonikken at tjekke op imod.
Sampling af et drum break. Stem-splitter, tromme-stem. Forvent lidt lækage fra andre perkussive elementer.
Remix af en hel sang. Stem-splitter, fem stems, og behandl derefter hver stem som et spor i din DAW. Giv hver af dem let EQ og kompression; adskilte stems reagerer godt på det, og det skjuler sømmene.
Kvalitet: hvad kan du forvente af hver
Begge tilstande er stærkest på moderne, velproduceret materiale og svagest på tætte, rumklangsfyldte eller lo-fi-indspilninger. Et par detaljer:
- Instrumentalen fra to-stem-tilstanden er normalt det reneste enkeltoutput, noget adskillelsesværktøj producerer.
- Acapellaen bærer flest artefakter, fordi rumklang og effekter, der lå på stemmen, er delvist tvetydige.
- Tromme-stemmen er generelt fremragende; trommer er spektralt tydeligt adskilte.
- Bas-stemmen er god, men kan bytte toner med en stortrommes bund i meget basfyldte mix.
- "Andet" er opsamlingskassen og den mindst forudsigelige: guitarer, synths, strygere og alt usædvanligt lander her sammen.
Gratis eller betalt?
To-stem-adskillelse med standardmotoren er gratis på Mazmazika, med en sporlængde pr. kørsel og en daglig kvote. Hvilke af de større motorer, modeller og sporlængder der er med i gratisplanen, og hvilke der følger med Pro, står live på vocal remover-siden under Gratis vs. Pro, og prissiden viser de aktuelle priser i din valuta. Hvis du laver ét karaokespor til en fest, er den gratis vej nok; til stems, du vil udgive eller spille på en scene, tjener de større motorer sig selv hjem på det første spor.
En bemærkning om de gamle metoder
Før neural adskillelse var der to tricks: fasekancellering, som trækker venstre og højre kanal fra hinanden for at fjerne alt, der er panoreret i midten, og EQ-notching, som skærer vokalens frekvensområde ud. Begge skader hele mixet, fordi bas, stortromme og lilletromme også ligger i midten, og vokalområdet er der, hvor guitarer og keyboards også bor. De er stadig indbygget i nogle DAW'er og gratis plug-ins; der er ingen grund til at bruge dem i dag.
Næste skridt
- Prøv begge tilstande på den samme sang med vokalfjerneren og stem-splitteren, og sammenlign instrumentalen.
- Laver du en karaokeversion? Følg karaokeguiden trin for trin.
- Nysgerrig på modellen? Læs hvordan AI-vokaladskillelse fungerer.