Введите в поиск «убрать вокал из песни» — и вы найдёте два вида инструментов: сервисы удаления вокала и разделители стемов. Названия звучат как две разные технологии. Это не так. Оба используют одно семейство нейросетей, обученных на многодорожечных записях; разница в том, что они выдают и на что настроены. Понимание того, какой из них вам нужен, экономит время обработки и даёт лучший результат.
Коротко
- Сервис удаления вокала выдаёт два файла: голос и всё остальное. Он настроен так, чтобы это «всё остальное» было максимально чистым. Используйте его для караоке, минусовок и акапелл.
- Разделитель стемов выдаёт четыре или пять файлов: вокал, ударные, бас, фортепиано и «прочие» инструменты. Используйте его для ремиксов, репетиционных треков, где вы заглушаете собственный инструмент, и для транскрипции.
Многие сервисы, включая сервис удаления вокала Mazmazika, предлагают оба режима на одной странице, так что настоящий вопрос — какой режим выбрать под конкретную задачу.
Как работают оба
Готовая песня — это один стереофайл. Ничто в нём не говорит «вот эта часть — певец». Модель разделения источников учится на тысячах песен, для которых были доступны отдельные дорожки, тому, как обычно звучат голоса, ударные, басы и клавишные: их тембр, положение в стереополе, то, как они меняются во времени. Получив новый микс, она предсказывает для каждого небольшого среза времени и частоты, какая доля энергии принадлежит каждому источнику, и по этим предсказаниям восстанавливает по одному аудиофайлу на источник.
Вот почему результаты никогда не бывают идеальными. Там, где два источника перекрываются по времени и частоте, например женский голос и перегруженная гитара в одном регистре, модели приходится принимать решение, и немного одного попадает в другое. Более крупные модели решают лучше; именно этим и являются движки «High Quality» и «Ultra».
Простое объяснение самой модели читайте в статье Как на самом деле работает ИИ-разделение вокала.
Почему два стема могут быть чище пяти
Заманчиво думать, что пять стемов — это просто «больше». Для минусовки это часто хуже. Когда модель делит на пять, ей нужно отнести каждую частицу энергии к одной из пяти корзин, и ошибки накапливаются; удар малого барабана, попавший частично в «прочее», а частично в «ударные», звучит слегка размазанно, когда оба снова воспроизводятся вместе. Когда же ей нужно решить лишь «голос или не голос», есть одна граница, которую нужно провести точно, и минусовка сохраняет целостность оригинального микса.
Поэтому для караоке и минусовок выбирайте два стема. Для всего, где вам действительно нужны ударные или бас отдельно, выбирайте многостемовый режим и смиритесь с чуть большим количеством артефактов на каждый стем.
Что для какой задачи
Караоке и вокальные репетиции. Удаление вокала, два стема. Сохраните гармонии, используя модель, удаляющую только ведущий вокал, если инструмент её предлагает.
Акапелла для ремикса или мэшапа. Удаление вокала, два стема и самый качественный движок из доступных; акапелла — тот стем, который будет слышен наиболее открыто.
Треки для репетиций участника группы. Разделитель стемов. Заглушите стем баса, чтобы репетировать бас, стем ударных — чтобы репетировать ударные, и так далее. Браузерный микшер делает это без DAW.
Транскрипция партии. Разделитель стемов. Соло фортепиано или баса делает ноты гораздо различимее, а прогон результата через анализатор аккордов даёт гармонию для сверки.
Сэмплирование драм-брейка. Разделитель стемов, стем ударных. Ожидайте небольшого проникновения других перкуссионных элементов.
Ремикс целой песни. Разделитель стемов, пять стемов, затем работайте с каждым стемом как с дорожкой в вашей DAW. Слегка подправьте эквалайзером и компрессией каждый из них; отделённые стемы хорошо на это откликаются, и это скрывает швы.
Качество: чего ожидать от каждого
Оба режима сильнее всего на современном, хорошо спродюсированном материале и слабее всего на плотных, реверберированных или lo-fi записях. Несколько деталей:
- Минусовка из режима двух стемов обычно самый чистый отдельный результат, который выдаёт любой инструмент разделения.
- Акапелла несёт больше всего артефактов, потому что реверберация и эффекты, наложенные на голос, отчасти неоднозначны.
- Стем ударных, как правило, превосходен; ударные спектрально хорошо различимы.
- Стем баса хорош, но в очень басовитых миксах может путать ноты с низом бочки.
- «Прочее» — сборная корзина и наименее предсказуемый стем: гитары, синтезаторы, струнные и всё необычное попадают сюда вместе.
Бесплатно или платно?
Разделение на два стема стандартным движком на Mazmazika бесплатно, с ограничением длительности трека за один запуск и дневной квотой. Какие из более крупных движков, моделей и длительностей треков входят в бесплатный план, а какие — в Pro, показано в реальном времени на странице удаления вокала в разделе Бесплатно vs Pro, а страница тарифов показывает актуальные цены в вашей валюте. Если вы делаете один караоке-трек для вечеринки, бесплатного пути достаточно; для стемов, которые вы выпустите или сыграете на сцене, более крупные движки окупятся уже на первом треке.
О старых методах
До нейросетевого разделения существовали два трюка: фазовое вычитание, при котором из левого канала вычитается правый, чтобы убрать всё, что находится по центру, и вырезание эквалайзером, удаляющее частотный диапазон вокала. Оба портят весь микс, потому что бас, бочка и малый барабан тоже находятся в центре, а в вокальном диапазоне живут ещё и гитары с клавишными. Они до сих пор встроены в некоторые DAW и бесплатные плагины; сегодня нет причин ими пользоваться.
Следующие шаги
- Попробуйте оба режима на одной песне в сервисе удаления вокала и разделения стемов и сравните минусовку.
- Делаете караоке-версию? Следуйте пошаговому руководству по караоке.
- Интересно, как устроена модель? Прочитайте, как работает ИИ-разделение вокала.