Tìm kiếm "tách giọng khỏi bài hát" và bạn sẽ gặp hai loại công cụ: công cụ tách giọng (vocal remover) và công cụ tách stem (stem splitter). Tên gọi nghe như hai công nghệ khác nhau. Thực ra không phải. Cả hai đều dùng cùng một họ mạng nơ-ron được huấn luyện trên các bản thu đa track; khác biệt nằm ở thứ chúng xuất ra và mục đích chúng được tinh chỉnh. Biết mình cần loại nào giúp tiết kiệm thời gian xử lý và cho kết quả tốt hơn.
Phiên bản ngắn gọn
- Công cụ tách giọng cho bạn hai tệp: giọng hát và mọi thứ còn lại. Nó được tinh chỉnh để phần "mọi thứ còn lại" sạch nhất có thể. Dùng cho karaoke, nhạc nền và acapella.
- Công cụ tách stem cho bạn bốn hoặc năm tệp: giọng hát, trống, bass, piano và các nhạc cụ "khác". Dùng cho remix, bản luyện tập mà bạn tắt tiếng nhạc cụ của chính mình, và ký âm.
Nhiều dịch vụ, trong đó có công cụ tách giọng Mazmazika, cung cấp cả hai chế độ trên cùng một trang, nên câu hỏi thực sự là chọn chế độ nào cho công việc.
Cả hai hoạt động thế nào
Một bài hát hoàn chỉnh là một tệp stereo duy nhất. Không có gì trong đó nói "phần này là ca sĩ". Mô hình tách nguồn học, từ hàng nghìn bài hát có sẵn từng track riêng, xem giọng hát, trống, bass và keyboard thường nghe như thế nào: âm sắc, vị trí trong trường stereo, cách chúng biến chuyển theo thời gian. Khi nhận một bản mix mới, nó dự đoán, cho từng lát cắt nhỏ của thời gian và tần số, bao nhiêu năng lượng thuộc về nguồn nào, rồi dựng lại một tệp âm thanh cho mỗi nguồn từ những dự đoán đó.
Đó là lý do kết quả không bao giờ thật sự hoàn hảo. Nơi hai nguồn chồng lên nhau cả về thời gian lẫn tần số, chẳng hạn giọng nữ và guitar distortion cùng âm vực, mô hình phải phán đoán, và một chút của cái này lọt vào cái kia. Mô hình lớn hơn phán đoán tốt hơn; đó chính là các engine "High Quality" và "Ultra".
Để có phần giải thích dễ hiểu về chính mô hình, xem Cách AI tách giọng hát thực sự hoạt động.
Vì sao hai stem có thể sạch hơn năm
Dễ nghĩ rằng năm stem đơn giản là "nhiều hơn". Với bản nhạc nền, nó thường tệ hơn. Khi mô hình chia năm ngả, nó phải xếp từng mẩu năng lượng vào một trong năm rổ, và sai số tích lũy; một tiếng snare rơi một phần vào "khác" và một phần vào "trống" sẽ nghe hơi nhòe khi hai phần được phát lại cùng nhau. Khi nó chỉ phải quyết định "giọng hay không phải giọng", chỉ có một ranh giới cần vẽ đúng, và bản nhạc nền giữ được chất keo của bản mix gốc.
Vì vậy, cho karaoke và nhạc nền, hãy chọn hai stem. Cho bất cứ việc gì bạn thực sự muốn có trống hay bass riêng, chọn chế độ nhiều stem và chấp nhận thêm một chút tạp nhiễu trên mỗi stem.
Loại nào cho việc nào
Karaoke và luyện hát. Công cụ tách giọng, hai stem. Giữ bè bằng mô hình chỉ tách giọng chính nếu công cụ có.
Acapella cho remix hoặc mashup. Công cụ tách giọng, hai stem, và dùng engine chất lượng cao nhất bạn có; acapella là stem sẽ bị nghe lộ nhất.
Bản luyện tập cho thành viên ban nhạc. Công cụ tách stem. Tắt stem bass để luyện bass, stem trống để luyện trống, và tương tự. Bộ trộn trên trình duyệt làm được điều này mà không cần DAW.
Ký âm một phần bè. Công cụ tách stem. Solo piano hoặc bass làm các nốt dễ nghe hơn nhiều, và đưa kết quả qua công cụ phân tích hợp âm sẽ cho bạn phần hòa âm để đối chiếu.
Sample một đoạn break trống. Công cụ tách stem, stem trống. Dự kiến có chút lọt tiếng từ các yếu tố gõ khác.
Remix cả bài. Công cụ tách stem, năm stem, rồi coi mỗi stem như một track trong DAW của bạn. EQ lại và nén nhẹ từng cái; stem đã tách phản ứng tốt với việc này và nó che đi các mối nối.
Chất lượng: kỳ vọng gì từ mỗi loại
Cả hai chế độ mạnh nhất trên chất liệu hiện đại, được sản xuất tốt và yếu nhất trên các bản thu dày, nhiều vang hoặc chất lượng thấp. Vài điểm cụ thể:
- Bản nhạc nền từ chế độ hai stem thường là đầu ra đơn lẻ sạch nhất mà bất kỳ công cụ tách nào tạo ra.
- Acapella mang nhiều tạp nhiễu nhất, vì vang và hiệu ứng từng đặt trên giọng hát có phần mơ hồ.
- Stem trống nói chung xuất sắc; trống có phổ âm rất riêng biệt.
- Stem bass tốt nhưng có thể tráo nốt với dải thấp của kick trong những bản mix rất nặng bass.
- "Khác" là rổ hứng tất cả và khó đoán nhất: guitar, synth, dàn dây và bất cứ thứ gì bất thường đều đổ về đây cùng nhau.
Miễn phí hay trả phí?
Tách hai stem với engine tiêu chuẩn là miễn phí trên Mazmazika, với giới hạn độ dài mỗi lần chạy và hạn mức hàng ngày. Những engine, mô hình và độ dài bản nhạc lớn hơn nào nằm trong gói miễn phí và những gì đi kèm Pro được liệt kê trực tiếp trên trang công cụ tách giọng ở phần Free vs Pro, và trang giá hiển thị giá hiện tại bằng tiền tệ của bạn. Nếu bạn làm một bản karaoke cho buổi tiệc, đường miễn phí là đủ; với các stem bạn sẽ phát hành hoặc chơi trên sân khấu, các engine lớn hơn hoàn vốn ngay từ bản đầu tiên.
Đôi lời về các phương pháp cũ
Trước khi có tách bằng mạng nơ-ron, có hai chiêu: khử pha, trừ kênh trái với kênh phải để loại bỏ mọi thứ được pan ở giữa, và cắt EQ, khoét bỏ dải tần giọng hát. Cả hai đều làm hỏng toàn bộ bản mix, vì bass, kick và snare cũng nằm ở giữa, và dải giọng hát cũng là nơi guitar và keys sinh sống. Chúng vẫn được tích hợp trong một số DAW và plug-in miễn phí; ngày nay không còn lý do gì để dùng chúng.
Bước tiếp theo
- Thử cả hai chế độ trên cùng một bài với công cụ tách giọng và tách stem rồi so sánh bản nhạc nền.
- Đang làm bản karaoke? Làm theo hướng dẫn karaoke từng bước.
- Tò mò về mô hình? Đọc cách AI tách giọng hát hoạt động.