Busca «quitar la voz de una canción» y encontrarás dos tipos de herramientas: eliminadores de voz y separadores de stems. Los nombres suenan a dos tecnologías distintas. No lo son. Ambos usan la misma familia de redes neuronales entrenadas con grabaciones multipista; la diferencia está en lo que producen y en para qué están ajustados. Saber cuál necesitas ahorra tiempo de procesamiento y da un mejor resultado.
La versión corta
- Un eliminador de voz te da dos archivos: la voz y todo lo demás. Está ajustado para que ese «todo lo demás» quede lo más limpio posible. Úsalo para karaoke, bases instrumentales y acapelas.
- Un separador de stems te da cuatro o cinco archivos: voz, batería, bajo, piano y «otros» instrumentos. Úsalo para remezclar, para pistas de práctica en las que silencias tu propio instrumento y para transcribir.
Muchos servicios, incluido el eliminador de voz de Mazmazika, ofrecen ambos modos desde la misma página, así que la verdadera pregunta es qué modo elegir para cada tarea.
Cómo funcionan los dos
Una canción terminada es un único archivo estéreo. Nada en él dice «esta parte es el cantante». Un modelo de separación de fuentes aprende, a partir de miles de canciones cuyas pistas individuales estaban disponibles, cómo suelen sonar las voces, las baterías, los bajos y los teclados: su timbre, su posición en el campo estéreo, su evolución en el tiempo. Ante una mezcla nueva, predice, para cada pequeña porción de tiempo y frecuencia, cuánta energía pertenece a cada fuente, y reconstruye un archivo de audio por fuente a partir de esas predicciones.
Por eso los resultados nunca son del todo perfectos. Donde dos fuentes se superponen en tiempo y frecuencia, por ejemplo una voz femenina y una guitarra distorsionada en el mismo registro, el modelo tiene que decidir, y un poco de una acaba en la otra. Los modelos más grandes deciden mejor; eso es exactamente lo que son los motores «High Quality» y «Ultra».
Para un recorrido en lenguaje llano por el modelo en sí, consulta Cómo funciona realmente la separación de voz con IA.
Por qué dos stems pueden quedar más limpios que cinco
Es tentador pensar que cinco stems es simplemente «más». Para el instrumental, a menudo es peor. Cuando un modelo divide en cinco, tiene que asignar cada pizca de energía a uno de cinco cajones, y los errores se acumulan; un golpe de caja que cae en parte en «otros» y en parte en «batería» suena ligeramente emborronado cuando se vuelven a reproducir juntos. Cuando solo tiene que decidir «voz o no voz», hay una única frontera que acertar, y el instrumental conserva la cohesión de la mezcla original.
Así que, para karaoke y bases instrumentales, elige dos stems. Para cualquier cosa en la que realmente quieras la batería o el bajo por separado, elige el modo multi-stem y acepta algo más de artefactos por stem.
Cuál para cada tarea
Karaoke y práctica de canto. Eliminador de voz, dos stems. Conserva las armonías usando un modelo que elimine solo la voz principal, si la herramienta lo ofrece.
Acapela para una remezcla o un mashup. Eliminador de voz, dos stems, y el motor de mayor calidad que tengas; la acapela es el stem que oirás más al desnudo.
Pistas de práctica para un miembro de la banda. Separador de stems. Silencia el stem de bajo para practicar bajo, el de batería para practicar batería, y así sucesivamente. El mezclador en el navegador lo hace sin DAW.
Transcribir una parte. Separador de stems. Poner el piano o el bajo en solo hace que las notas se oigan mucho mejor, y pasar el resultado por el analizador de acordes te da la armonía para contrastar.
Samplear un break de batería. Separador de stems, stem de batería. Cuenta con algo de filtración de otros elementos percusivos.
Remezclar una canción entera. Separador de stems, cinco stems, y luego trata cada stem como una pista en tu DAW. Reecualiza y comprime cada uno ligeramente; los stems separados responden bien a eso y disimula las costuras.
Calidad: qué esperar de cada uno
Ambos modos rinden mejor con material moderno y bien producido, y peor con grabaciones densas, reverberantes o lo-fi. Algunos detalles:
- El instrumental del modo de dos stems suele ser la salida individual más limpia que produce cualquier herramienta de separación.
- La acapela arrastra más artefactos, porque la reverberación y los efectos que llevaba la voz son en parte ambiguos.
- El stem de batería suele ser excelente; la batería es espectralmente muy distinta.
- El stem de bajo es bueno, pero puede intercambiar notas con los graves del bombo en mezclas muy cargadas de bajos.
- «Otros» es el cajón de sastre y el menos predecible: guitarras, sintetizadores, cuerdas y cualquier cosa poco habitual acaban aquí juntos.
¿Gratis o de pago?
La separación en dos stems con el motor estándar es gratuita en Mazmazika, con un límite de duración por pista y una cuota diaria. Qué motores, modelos y duraciones de pista más grandes incluye el plan gratuito y cuáles vienen con Pro se lista en directo en la página del eliminador de voz en «Gratis vs Pro», y la página de precios muestra los precios actuales en tu moneda. Si vas a hacer una pista de karaoke para una fiesta, la vía gratuita basta; para stems que vayas a publicar o tocar en un escenario, los motores más grandes se amortizan con la primera pista.
Una nota sobre los métodos antiguos
Antes de la separación neuronal había dos trucos: la cancelación de fase, que resta los canales izquierdo y derecho para eliminar todo lo que está panoramizado al centro, y el recorte con ecualizador, que vacía el rango de frecuencias de la voz. Ambos dañan toda la mezcla, porque el bajo, el bombo y la caja también están en el centro, y en el rango vocal viven también las guitarras y los teclados. Siguen incluidos en algunos DAW y plugins gratuitos; hoy no hay ningún motivo para usarlos.
Próximos pasos
- Prueba ambos modos con la misma canción en el eliminador de voz y separador de stems y compara el instrumental.
- ¿Vas a hacer una versión de karaoke? Sigue la guía de karaoke paso a paso.
- ¿Te intriga el modelo? Lee cómo funciona la separación de voz con IA.