แทร็กคาราโอเกะก็คือเพลงต้นฉบับที่เอาเสียงร้องนำออกไป ไม่มีอะไรมากกว่านั้น เมื่อสิบปีก่อน การจะได้มันมาหมายถึงต้องตามหาเวอร์ชันบรรเลงอย่างเป็นทางการ จ่ายเงินให้บริการแบ็กกิ้งแทร็ก หรือลองใช้เทคนิค "หักล้างเฟส" แบบเก่าที่ทำให้เพลงฟังกลวงโบ๋ ทุกวันนี้โครงข่ายประสาทเทียมสามารถฟังมิกซ์ที่เสร็จแล้วและดึงเสียงร้องออกมาได้ภายในไม่ถึงนาที และผลลัพธ์ก็ดีพอที่จะร้องทับในงานปาร์ตี้ ในชั้นเรียน หรือบนเวทีเล็ก ๆ
คู่มือนี้จะพาไปทีละขั้นตอนตลอดกระบวนการ: การเลือกต้นฉบับ การรันการแยกเสียง การประเมินผลลัพธ์อย่างตรงไปตรงมา และการส่งออกไฟล์ที่เล่นได้ในที่ที่คุณต้องการ ตัวอย่างในบทความใช้ โปรแกรมตัดเสียงร้องของ Mazmazika ซึ่งทำงานในเบราว์เซอร์ แต่หลักการเดียวกันใช้ได้กับเครื่องมือแยกสเต็มด้วย AI ทุกตัว
1. เริ่มจากต้นฉบับที่ดีที่สุดเท่าที่หาได้
โมเดลแยกเสียงทำงานได้ดีเท่าที่มันได้ยินเท่านั้น ต้นฉบับที่สะอาดและมีย่านความถี่ครบจะให้เสียงดนตรีที่สะอาด ส่วนต้นฉบับที่อู้อี้จะให้เสียงดนตรีที่อู้อี้และมีเสียงร้องหลงเหลือมากกว่า
- เสียงจากค่ายเพลงดีกว่าคลิปแสดงสด งานบันทึกเสียงในสตูดิโอมีเสียงร้องเสียงเดียวอยู่ในตำแหน่งที่คาดเดาได้ในมิกซ์ ส่วนการบันทึกสดจะมีเสียงคนดู เสียงก้องของสถานที่ และนักร้องที่เดินไปมา ซึ่งล้วนทำให้โมเดลสับสน
- ใช้ลิงก์เมื่อทำได้ การวางลิงก์ YouTube หรือ SoundCloud จะดึงเสียงมาในคุณภาพที่ดีที่สุดของแพลตฟอร์มนั้น การอัปโหลด MP3 ก็ใช้ได้เช่นกัน หากคุณมี WAV หรือ MP3 320 kbps ให้ใช้ไฟล์นั้นแทนไฟล์ 128 kbps ที่ถูกเข้ารหัสซ้ำ
- หลีกเลี่ยงเพลงที่เสียงร้องใส่เอฟเฟกต์หนัก ๆ ถ้าเลือกได้ เสียงร้องที่จมอยู่ในซินธ์ดับเบลอร์หรือโวโคเดอร์ถือว่าเป็นเครื่องดนตรีไปแล้วครึ่งหนึ่ง และบางส่วนของมันจะยังค้างอยู่ในเสียงดนตรี
2. เลือกสองสเต็ม ไม่ใช่ห้า
เครื่องมือแยกสเต็มสามารถแยกเพลงออกเป็นเสียงร้อง กลอง เบส เปียโน และ "อื่น ๆ" ได้ แต่สำหรับคาราโอเกะ คุณต้องการเอาต์พุตแค่สองอย่าง: เสียงร้องกับทุกอย่างที่เหลือ โหมดสองสเต็มเร็วกว่า และเพราะโมเดลต้องตัดสินใจเพียงครั้งเดียวในแต่ละช่วงเวลา เสียงดนตรีที่ได้จึงสะอาดกว่าการเอาสเต็มที่แยกไว้สี่ชิ้นมาประกบกลับเข้าด้วยกัน
ในโปรแกรมตัดเสียงร้องของ Mazmazika ให้วางลิงก์หรืออัปโหลดไฟล์ เลือกการตั้งค่าสองสเต็ม แล้วเริ่มได้เลย เอนจินมาตรฐานรับมือกับเพลงป๊อป ร็อก ฮิปฮอป และเพลงนมัสการส่วนใหญ่ได้ดี ส่วนเอนจิน High Quality และ Ultra ใช้โมเดลขนาดใหญ่กว่าซึ่งทิ้งร่องรอยของเสียงร้องไว้ในหางเสียงก้องน้อยกว่า คุ้มค่าเมื่อแทร็กนั้นจะถูกเปิดเสียงดังบนเวที แพ็กเกจของคุณรวมเอนจินและความยาวแทร็กแบบใดบ้าง แสดงอยู่บนหน้าเครื่องมือในส่วน Free vs Pro
3. รอให้แยกเสร็จแล้วเปิดมิกเซอร์
เพลงยาวสามนาทีใช้เวลาไม่ถึงนาทีบนเอนจินมาตรฐาน เมื่อเสร็จแล้ว ผลลัพธ์จะเปิดขึ้นในมิกเซอร์บนเบราว์เซอร์ที่มีเฟดเดอร์หนึ่งตัวต่อหนึ่งสเต็ม นี่คือจังหวะที่ควรประเมินผลลัพธ์อย่างจริงจังแทนที่จะดาวน์โหลดไปเลยโดยไม่ฟัง:
- ปิดเสียง (mute) สเต็มเสียงร้อง แล้วฟังเสียงดนตรีทั้งเพลงหนึ่งรอบ ถ้าทำได้ให้ฟังด้วยหูฟัง
- ตั้งใจฟังช่วงคอรัส ซึ่งเสียงร้องนำมักจะดังที่สุดและมีเสียงประสานซ้อนอยู่
- โซโล่สเต็มเสียงร้องสักสองสามวินาที ถ้าคุณได้ยินกีตาร์หรือเปียโนปะปนอยู่มาก แสดงว่าโมเดลทำงานลำบาก และเสียงดนตรีก็จะขาดเครื่องดนตรีชิ้นนั้นไปบางส่วนด้วย
หากเสียงดนตรีมี "เงา" จาง ๆ ของนักร้องหลงเหลืออยู่ นั่นเป็นเรื่องปกติสำหรับมิกซ์ที่แน่น ๆ การลดเฟดเดอร์เสียงร้องลงเหลือประมาณสิบเปอร์เซ็นต์แทนที่จะปิดเสียงทั้งหมด มักทำให้เงานั้นสังเกตได้น้อยลง เพราะหูจะรับรู้ว่าเป็นเสียงร้องประสาน
4. เก็บหรือตัดเสียงร้องประสาน
เสียงร้องประสานเป็นเรื่องของรสนิยม แทร็กคาราโอเกะจำนวนมากเก็บเสียงประสานไว้เพราะช่วยให้นักร้องสมัครเล่นร้องตรงคีย์และทำให้คอรัสฟังเต็มขึ้น การแยกแบบสองสเต็มจะรวมเสียงร้องทั้งหมด ทั้งเสียงนำและเสียงประสาน ไว้ในสเต็มเสียงร้อง ดังนั้นการปิดเสียงมันจึงตัดเสียงประสานออกไปด้วย
หากคุณต้องการเก็บเสียงประสานไว้ ให้ลองใช้ Karaoke model บนเอนจิน High Quality ซึ่งถูกฝึกให้ตัดเฉพาะเสียงร้องนำเท่านั้น นี่คือการยกระดับคุณภาพครั้งใหญ่ที่สุดสำหรับคาราโอเกะแบบกลุ่ม การร้องคู่ และงานนมัสการ
5. ส่งออกไฟล์ให้ถูกแบบ
ดาวน์โหลดเสียงดนตรีเป็น MP3 สำหรับมือถือ แล็ปท็อป หรือสมาร์ททีวี แค่นี้ก็เพียงพอแล้ว มีข้อแนะนำเชิงปฏิบัติอีกเล็กน้อย:
- ตั้งชื่อไฟล์ให้ดี "ศิลปิน - ชื่อเพลง (Karaoke).mp3" จะช่วยประหยัดเวลาเลื่อนหาในภายหลังได้มาก
- สำหรับเวทีหรือระบบ PA ให้เลือกเอาต์พุต 320 kbps จากเอนจิน High Quality MP3 128 kbps ฟังได้ดีบนลำโพงมือถือ แต่อาจฟังบางบนระบบเสียงใหญ่ ๆ
- เก็บต้นฉบับไว้ด้วย หากภายหลังคุณอยากซ้อมแนวประสาน สเต็มเสียงร้องที่แยกออกมาคือแหล่งอ้างอิงของคุณ
6. เพิ่มเนื้อเพลง (ไม่บังคับ)
เสียงดนตรีอย่างเดียวก็เพียงพอสำหรับคนที่รู้เพลงอยู่แล้ว แต่สำหรับแขก การแสดงเนื้อเพลงจะสร้างความแตกต่างอย่างมาก วิธีที่ง่ายที่สุดคือเล่นเสียงดนตรีจากอุปกรณ์หนึ่ง แล้วแสดงเนื้อเพลงจากเว็บไซต์เนื้อเพลงหรือวิดีโอที่มีเนื้อเพลงบนอุปกรณ์อีกเครื่อง หากคุณต้องการไฟล์วิดีโอเดียวที่มีเนื้อเพลงซิงก์ตรงจังหวะ เครื่องมือเดสก์ท็อปฟรีอย่าง Kdenlive หรือ Shotcut สามารถวางข้อความทับภาพนิ่งได้ ซึ่งเป็นบทเรียนแยกต่างหากในตัวมันเอง
ควรคาดหวังคุณภาพแบบไหน?
ความคาดหวังที่ตรงไปตรงมาช่วยลดความหงุดหงิดได้:
- ป๊อป ร็อก ฮิปฮอป คันทรี เพลงนมัสการสมัยใหม่: เสียงดนตรีที่สะอาด พร้อมใช้แสดงจริงในกรณีส่วนใหญ่
- บัลลาดที่ก้องมาก ๆ และการบันทึกเสียงสด: ใช้ได้ แต่จะมีเงาของเสียงร้องในหางเสียงก้องที่ได้ยินชัด
- การบันทึกโมโนเก่า ๆ และบูตเลกคุณภาพต่ำ: ผลลัพธ์ไม่แน่นอน เพราะโมเดลมีข้อมูลให้ทำงานน้อยกว่า
- เพลงที่เสียงร้องผ่านโวโคเดอร์หรือถูกซินธ์ดับเบิลอย่างหนัก: เสียงร้องบางส่วนจะยังอยู่ เพราะมันกลายเป็นเครื่องดนตรีไปแล้วโดยพฤตินัย
ถูกกฎหมายหรือไม่?
การทำเสียงดนตรีเพื่อร้องคาราโอเกะที่บ้าน ซ้อมร้อง หรือใช้ในบทเรียนส่วนตัวถือเป็นการใช้งานส่วนบุคคลตามปกติ ตัวงานบันทึกเสียงยังคงอยู่ภายใต้ลิขสิทธิ์ ดังนั้นการเผยแพร่เวอร์ชันคาราโอเกะ การขาย หรือการนำไปแสดงต่อสาธารณะเพื่อรายได้ต้องได้รับใบอนุญาตจากเจ้าของสิทธิ์ สถานที่ที่จัดคืนคาราโอเกะมักถือใบอนุญาตแสดงต่อสาธารณะอยู่แล้ว ตรวจสอบให้แน่ใจก่อนเสียบสาย
ขั้นตอนถัดไป
- ทำแทร็กแรกของคุณด้วย โปรแกรมตัดเสียงร้องออนไลน์: วางลิงก์ เลือกสองสเต็ม แล้วคุณจะได้เสียงดนตรีภายในประมาณหนึ่งนาที
- ยังไม่แน่ใจว่าโปรแกรมตัดเสียงร้องกับเครื่องมือแยกสเต็มต่างกันอย่างไร? อ่าน โปรแกรมตัดเสียงร้อง vs เครื่องมือแยกสเต็ม
- อยากได้คอร์ดด้วย เพื่อเล่นตามแทนที่จะร้อง? เครื่องวิเคราะห์คอร์ด ใช้ได้กับลิงก์เดียวกัน