カラオケ音源とは、元の録音からリードボーカルを取り除いたものにすぎません。10年前であれば、公式のインストゥルメンタルを探し回るか、バッキングトラックのサービスにお金を払うか、あるいは曲が空洞のように響いてしまう昔ながらの「位相キャンセル」の裏技を試すしかありませんでした。今日では、ニューラルネットワークが完成したミックスを聴き取り、1分足らずで歌声を抜き出せます。その仕上がりは、パーティーやレッスン、小規模なステージで十分に歌えるレベルです。
このガイドでは、音源の選び方から分離の実行、結果の正直な評価、そして必要な場所で再生できるファイルの書き出しまで、全体の流れを順に説明します。例として使うのはブラウザで動作するMazmazikaのボーカルリムーバーですが、考え方はどのAIステム分離ツールにも当てはまります。
1. 手に入る中で最高の音源から始める
分離モデルが扱えるのは、聴こえている音だけです。クリーンで帯域の広い音源からはクリーンなインストゥルメンタルが得られ、こもった音源からはボーカルの残りが多い、こもったインストゥルメンタルしか得られません。
- 公式音源はライブ映像に勝ります。 スタジオ録音では、1本の歌声がミックス内の予測しやすい位置にあります。ライブ録音には観客の歓声、会場の残響、動き回る歌い手が加わり、いずれもモデルを混乱させます。
- 可能な限りリンクを使いましょう。 YouTubeやSoundCloudのリンクを貼り付けると、そのプラットフォームで最高品質の音声が取得されます。MP3のアップロードでも構いませんが、WAVや320 kbpsのMP3があるなら、128 kbpsに再エンコードされたファイルよりそちらを使ってください。
- 選べるなら、ボーカルに強いエフェクトがかかった曲は避けましょう。 シンセのダブラーやボコーダーに埋もれた歌声は半分楽器のようなもので、その一部はインストゥルメンタルに残ります。
2. 5ステムではなく2ステムを選ぶ
ステム分離ツールは、曲をボーカル、ドラム、ベース、ピアノ、「その他」に分けられます。しかしカラオケに必要な出力は、歌声とそれ以外の2つだけです。2ステムモードは処理が速く、モデルが各瞬間に下す判断が1つで済むため、分離した4つのステムを貼り合わせ直すよりもインストゥルメンタルがクリーンになります。
Mazmazikaのリムーバーでは、リンクを貼り付けるかファイルをアップロードし、2ステムの設定を選んで開始します。標準エンジンは、ポップス、ロック、ヒップホップ、ワーシップのほとんどの素材をうまく処理します。High QualityエンジンとUltraエンジンはより大きなモデルを使い、リバーブの余韻に残る声の痕跡が少なくなります。ステージで大音量で流すトラックなら、それだけの価値があります。お使いのプランにどのエンジンとトラック長が含まれるかは、ツールページの「無料 vs Pro」に表示されています。
3. 分離を待ち、ミキサーを開く
3分の曲なら、標準エンジンでは1分もかかりません。処理が終わると、ステムごとにフェーダーが用意されたブラウザ上のミキサーで結果が開きます。やみくもにダウンロードするのではなく、ここで結果をしっかり評価しましょう。
- ボーカルステムをミュートし、できればヘッドフォンでインストゥルメンタル全体を一度通して聴きます。
- リードボーカルが最も大きく、ハーモニーで重ねられていることが多いコーラス部分に注意して聴きます。
- ボーカルステムを数秒間ソロにします。ギターやピアノが多く聴こえるなら、モデルが苦戦した証拠で、インストゥルメンタルからもその楽器の一部が欠けているはずです。
インストゥルメンタルに歌い手のかすかな「残像」が聴こえても、密度の高いミックスでは普通のことです。ボーカルフェーダーを完全にミュートせず10パーセント程度まで下げると、バッキングボーカルのように聴こえて残像が目立ちにくくなることがよくあります。
4. バッキングボーカルを残すか取り除くか
バッキングボーカルは好みの問題です。多くのカラオケ音源はハーモニーを残しています。アマチュアの歌い手が音程を保ちやすくなり、コーラスに厚みが出るからです。2ステム分離では、リードもバッキングもすべての歌声がボーカルステムに入るため、ミュートするとハーモニーも消えてしまいます。
ハーモニーを残したい場合は、High QualityエンジンのKaraokeモデルを試してください。リードボーカルだけを取り除くように学習されたモデルです。グループでのカラオケ、デュエット、ワーシップの場面では、これが最大の品質向上になります。
5. 適切なファイルを書き出す
インストゥルメンタルをMP3としてダウンロードします。スマートフォン、ノートパソコン、スマートテレビで使うなら、それで十分です。実用的な注意点をいくつか挙げます。
- ファイル名をきちんと付けましょう。 「アーティスト名 - 曲名 (Karaoke).mp3」としておけば、後で探す手間が大幅に減ります。
- ステージやPAで使うなら、High Qualityエンジンの320 kbps出力を選びましょう。 128 kbpsのMP3はスマートフォンのスピーカーでは問題ありませんが、大型のシステムでは音が薄く感じられることがあります。
- 元のファイルも残しておきましょう。 後でハーモニーのパートを練習したくなったとき、分離したボーカルステムが参考になります。
6. 歌詞を追加する（任意）
曲を知っている人にとっては、インストゥルメンタルだけで十分です。ゲストのためには、歌詞の表示があると大きな差が出ます。最も簡単なのは、1台の機器でインストゥルメンタルを再生し、別の機器で歌詞サイトや歌詞付き動画を表示する方法です。歌詞を同期させた1本の動画ファイルにしたい場合は、KdenliveやShotcutといった無料のデスクトップソフトで静止画の上に文字を重ねられますが、それはそれで別のチュートリアルが必要になります。
どの程度の品質を期待できるか
現実的な期待を持っておけば、無駄なストレスを避けられます。
- 現代のポップ、ロック、ヒップホップ、カントリー、ワーシップ音楽: ほとんどの場合、そのまま本番で使えるクリーンなインストゥルメンタルになります。
- 残響の強いバラードやライブ録音: 使えますが、余韻の中に歌声の残像が聴こえます。
- 古いモノラル録音やローファイな海賊録音: 結果はまちまちです。モデルが手がかりにできる情報が少ないためです。
- 歌声がボコーダー処理されていたり、シンセで強く重ねられている曲: 歌声が実質的に楽器になっているため、一部が残ります。
法的に問題はないか
自宅でのカラオケ、練習、個人レッスンのためにインストゥルメンタルを作るのは、通常の私的利用です。ただし録音そのものは著作権で保護されているため、カラオケ版を公開したり、販売したり、有料で公に演奏するには権利者の許諾が必要です。カラオケナイトを開く店舗は通常、公の演奏に関する許諾を得ています。機材をつなぐ前に確認しましょう。
次のステップ
- オンラインのボーカルリムーバーで最初の音源を作ってみましょう。リンクを貼り付けて2ステムを選べば、1分ほどでインストゥルメンタルが完成します。
- ボーカルリムーバーとステム分離ツールの違いがよく分からない方は、ボーカルリムーバーとステム分離ツールの違いをお読みください。
- 歌う代わりに楽器で合わせたいので、コードも知りたいという方へ。コード解析ツールは同じリンクで使えます。