Sök på "ta bort sången från en låt" och du hittar två sorters verktyg: vocal removers och stemseparerare. Namnen låter som två olika tekniker. Det är de inte. Båda använder samma familj av neurala nätverk tränade på flerspårsinspelningar; skillnaden ligger i vad de levererar och vad de är avstämda för. Att veta vilket du behöver spar bearbetningstid och ger ett bättre resultat.
Den korta versionen
- En vocal remover ger dig två filer: rösten och allt annat. Den är avstämd för att göra "allt annat" så rent som möjligt. Använd den för karaoke, kompspår och acapellor.
- En stemseparerare ger dig fyra eller fem filer: sång, trummor, bas, piano och "övriga" instrument. Använd den för remixar, övningsspår där du tystar ditt eget instrument och transkription.
Många tjänster, däribland Mazmazikas vocal remover, erbjuder båda lägena från samma sida, så den verkliga frågan är vilket läge du ska välja för uppgiften.
Hur båda fungerar
En färdig låt är en enda stereofil. Ingenting i den säger "den här delen är sångaren". En källseparationsmodell lär sig, från tusentals låtar där de enskilda spåren fanns tillgängliga, hur röster, trummor, basar och klaviatur brukar låta: deras klangfärg, deras plats i stereobilden, hur de förändras över tid. Får den en ny mix förutsäger den, för varje liten skiva av tid och frekvens, hur mycket av energin som tillhör varje källa, och bygger upp en ljudfil per källa ur dessa förutsägelser.
Det är därför resultaten aldrig blir riktigt perfekta. Där två källor överlappar i tid och frekvens, till exempel en kvinnoröst och en distad gitarr i samma register, måste modellen göra en bedömning, och lite av den ena hamnar i den andra. Större modeller gör bättre bedömningar; det är vad motorerna "High Quality" och "Ultra" är.
För en lättfattlig genomgång av själva modellen, se Så fungerar AI-baserad sångseparation egentligen.
Varför två stems kan bli renare än fem
Det är lockande att tro att fem stems helt enkelt är "mer". För instrumentalen är det ofta sämre. När en modell delar i fem måste den fördela varje bit energi till en av fem hinkar, och felen ackumuleras; ett virvelslag som hamnar delvis i "övrigt" och delvis i "trummor" låter lite utsmetat när de två spelas ihop igen. När den bara behöver avgöra "röst eller inte röst" finns det en enda gräns att få rätt, och instrumentalen behåller originalmixens sammanhållning.
Så för karaoke och kompspår, välj två stems. För allt där du faktiskt vill ha trummorna eller basen för sig, välj flerstemsläget och acceptera lite mer artefakter per stem.
Vilken till vilket jobb
Karaoke och sångövning. Vocal remover, två stems. Behåll stämmorna genom att använda en modell som bara tar bort leadsången, om verktyget erbjuder en sådan.
Acapella till en remix eller mashup. Vocal remover, två stems, och använd den bästa motorn du har; acapellan är den stem du kommer att höra mest exponerad.
Övningsspår för en bandmedlem. Stemseparerare. Tysta basstemmen för att öva bas, trumstemmen för att öva trummor, och så vidare. Webbläsarmixern gör detta utan en DAW.
Transkribera en stämma. Stemseparerare. Att sola pianot eller basen gör tonerna mycket lättare att höra, och kör du resultatet genom ackordanalysatorn får du harmoniken att kontrollera mot.
Sampla ett trumbreak. Stemseparerare, trumstemmen. Räkna med lite läckage från andra perkussiva element.
Remixa en hel låt. Stemseparerare, fem stems, och behandla sedan varje stem som ett spår i din DAW. EQ:a om och komprimera var och en lätt; separerade stems svarar bra på det och det döljer skarvarna.
Kvalitet: vad du kan vänta dig av varje
Båda lägena är starkast på modernt, välproducerat material och svagast på täta, klangrika eller lo-fi-inspelningar. Några detaljer:
- Instrumentalen från tvåstemsläget är oftast den renaste enskilda utgång något separationsverktyg producerar.
- Acapellan bär på flest artefakter, eftersom klang och effekter som låg på rösten delvis är tvetydiga.
- Trumstemmen är i allmänhet utmärkt; trummor är spektralt distinkta.
- Basstemmen är bra men kan byta toner med en baskaggs botten i mycket bastunga mixar.
- "Övrigt" är uppsamlingsplatsen och den minst förutsägbara: gitarrer, syntar, stråkar och allt ovanligt hamnar här tillsammans.
Gratis eller betalt?
Tvåstemsseparation med standardmotorn är gratis på Mazmazika, med en spårlängd per körning och en daglig kvot. Vilka av de större motorerna, modellerna och spårlängderna som ingår i gratisplanen och vilka som kommer med Pro listas live på sångborttagarens sida under Gratis eller Pro, och prissidan visar aktuella priser i din valuta. Gör du ett enda karaokespår till en fest räcker gratisvägen; för stems som du ska ge ut eller spela på scen betalar de större motorerna för sig redan på första spåret.
En notering om de gamla metoderna
Före neural separation fanns två trick: fasutsläckning, som subtraherar vänster och höger kanal för att ta bort allt som är panorerat till mitten, och EQ-urskärning, som skär bort sångens frekvensområde. Båda skadar hela mixen, eftersom bas, baskagge och virvel också ligger i mitten, och sångregistret är där gitarrer och klaviatur också bor. De finns fortfarande inbyggda i vissa DAW:ar och gratis-plugins; det finns ingen anledning att använda dem i dag.
Nästa steg
- Pröva båda lägena på samma låt med vocal remover och stemseparerare och jämför instrumentalen.
- Gör du en karaokeversion? Följ karaokeguiden steg för steg.
- Nyfiken på modellen? Läs så fungerar AI-baserad sångseparation.