Dieses Tool entfernt den Gesang und teilt einen Song in zwei Spuren auf, den Gesang allein und das Instrumental ohne ihn. Es nutzt dafür Spleeter, das Open-Source-Modell zur Quellentrennung von Deezer Research. Nutze das Instrumental als Karaoke- oder Übungs-Playback oder die Gesangsspur als Acapella für einen Remix, ein Cover oder zum Abschreiben des Songtexts. Es liest MP3-, WAV-, M4A-, OGG- und FLAC-Dateien sowie die Tonspur von Videos, und du kannst an derselben Stelle im Song zwischen Original, Gesang und Instrumental wechseln, bevor du eine der Spuren als WAV oder MP3 herunterlädst.
Alles läuft in deinem Browser. Bei der ersten Trennung werden das Modell (zwei Netze, insgesamt 39 MB) und die 24 MB große KI-Engine, die unsere anderen KI-Tools mitnutzen, heruntergeladen, nachdem dir die Größe angezeigt wurde; beide speichert der Browser danach zwischen; anschließend dauerte die Trennung eines 4-minütigen Songs auf einem aktuellen Laptop 7 Sekunden, wenn der Browser die Grafikkarte nutzen konnte (WebGPU), und 35 Sekunden nur mit dem Prozessor; ältere Computer und Smartphones brauchen länger. Spleeter ist ein Modell von 2019: Es trennt die meisten Pop-, Rock- und Hip-Hop-Songs sauber, aber bei dichten oder halligen Mischungen hörst du im Instrumental etwas Reststimme. Es gibt außerdem einen sofortigen klassischen Karaoke-Modus, der einen Stereokanal vom anderen abzieht; er ist keine KI und klingt gröber, braucht aber keinen Download. Um einen Stem danach zu kürzen, nutze den Audio-Cutter; um zuerst den Ton aus einem Video zu holen, das Tool „Video in MP3“.
So funktioniert’s
- Zieh einen Song oder ein Video in das Feld oder klicke, um eine Datei auszuwählen.
- Lass KI-Trennung ausgewählt (oder wähle Klassisches Karaoke für ein sofortiges, gröberes Ergebnis).
- Klicke auf Trennen. Beim ersten Mal wird das Modell heruntergeladen; danach zeigt ein Fortschrittsbalken, welcher Teil des Songs gerade verarbeitet wird.
- Drück auf Abspielen und wechsle zwischen Original, Gesang und Instrumental, um das Ergebnis zu prüfen.
- Wähle WAV oder MP3 und klicke auf Gesang herunterladen oder Instrumental herunterladen.
Häufige Fragen
Wie entferne ich kostenlos den Gesang aus einem Song?
Öffne den Song auf dieser Seite, lass KI-Trennung ausgewählt und klicke auf Trennen. Das Spleeter-Modell teilt ihn in deinem Browser in Gesang und Instrumental auf; lade das Instrumental als WAV oder MP3 herunter. Es gibt kein Konto, kein Wasserzeichen und kein monatliches Limit; Songs dürfen bis zu 10 Minuten lang sein.
Ist das wirklich KI, und welches Modell ist es?
Die Standardmethode ist Spleeter 2-Stem, ein neuronales U-Net, das Deezer Research unter der MIT-Lizenz veröffentlicht hat. Es wurde mit Studio-Mehrspuraufnahmen trainiert, um vorherzusagen, welche Teile des Spektrums zur Stimme gehören. Hier läuft es mit onnxruntime-web. Die Option Klassisches Karaoke ist keine KI: Sie zieht den rechten Kanal vom linken ab, wodurch alles entfernt wird, was exakt in der Mitte gemischt ist.
Warum höre ich im Instrumental noch etwas Gesang?
Kein Trennverfahren ist perfekt, und Spleeter (2019) ist leichter als die neuesten Modelle wie HTDemucs oder MDX-Net, die um ein Vielfaches größer sind (HTDemucs hat als einzelne Datei etwa 180 MB) und zu schwer, um sie bequem in einer Webseite herunterzuladen und auszuführen. Rechne bei halligen Aufnahmen, Chören oder verzerrten Gitarren mit leisen Gesangsresten und mit hauchigen oder „phasigen“ Artefakten in der Gesangsspur. Für Karaoke und zum Üben reichen die Ergebnisse meist aus.
Kann es auch Schlagzeug, Bass und andere Instrumente trennen?
Derzeit nicht. Diese Seite trennt zwei Stems, Gesang und Instrumental. Modelle mit vier Stems (Gesang, Schlagzeug, Bass, Sonstiges) sind mindestens doppelt so groß im Download und werden daher hier im Browser nicht angeboten.
Wird mein Song auf einen Server hochgeladen?
Nein. Die Modelldateien werden von dieser Website in deinen Browser geladen, und der Song wird auf deinem Gerät verarbeitet; nichts, was du öffnest, wird irgendwohin gesendet. Ungewöhnliche Dateitypen, die der Browser nicht selbst lesen kann, werden mit ffmpeg dekodiert, das ebenfalls heruntergeladen wird (vom jsDelivr-CDN) und lokal läuft.
Darf ich die getrennten Spuren beliebig verwenden?
Das Trennen eines Songs ändert nichts daran, wem er gehört. Üben, Karaoke zu Hause und das Studieren eines Arrangements sind in der Regel in Ordnung; einen Remix, ein Cover oder ein Playback aus der Aufnahme eines anderen zu veröffentlichen oder zu verkaufen, erfordert die Erlaubnis der Rechteinhaber.
KI-Trennung vs. der klassische Karaoke-Trick
Die klassische Methode beruht darauf, wie Songs gemischt werden: Der Leadgesang liegt meist genau in der Mitte, ist also im linken und rechten Kanal identisch, und wenn man einen Kanal vom anderen abzieht, löscht er sich aus. Das gilt aber auch für alles andere in der Mitte – Bass, Bassdrum, Snare, oft das Lead-Instrument –, weshalb dieses Tool den Bass unter 120 Hz wieder hinzufügt. Übrig bleibt, was zu den Seiten gepannt war, plus der Stereohall des Gesangs als geisterhaftes Echo. Das geht sofort und braucht keinen Download, funktioniert aber nur bei Stereodateien und liefert keine Gesangsspur.
Spleeter arbeitet anders. Es wandelt den Song in ein Spektrogramm um (wie laut jede Frequenz ist, alle 23 Millisekunden), und zwei neuronale Netze, trainiert mit Studio-Mehrspuraufnahmen, schätzen, wie viel von jedem Punkt zur Stimme und wie viel zur Begleitung gehört. Aus diesen Schätzungen werden weiche Masken, die auf den Originalklang angewendet werden. So behält das Instrumental Bass, Schlagzeug und die Instrumente in der Mitte, und du bekommst zusätzlich den Gesang allein.
Wie die Browser-Version aufgebaut ist
Das Modell sieht jeweils etwa 12 Sekunden, daher wird der Song in überlappenden Abschnitten verarbeitet; wo sich zwei Abschnitte überlappen, werden ihre Masken überblendet, sodass keine hörbare Naht entsteht. Die Netze von Spleeter betrachten nur Frequenzen bis 11 kHz; darüber erhält jeder Moment den Mittelwert seiner Masken, sodass Becken und Zischlaute zwischen den Stems aufgeteilt statt abgeschnitten werden. Das Instrumental ist das Original minus den Gesang, was exakt ist, weil die beiden Masken zusammen immer das Ganze ergeben.
Die Netze laufen mit onnxruntime-web in einem Hintergrund-Worker: auf der Grafikkarte über WebGPU in Browsern, die es unterstützen (etwa aktuelle Versionen von Chrome und Edge), sonst auf dem Prozessor über WebAssembly. Beides liefert dasselbe Ergebnis; nur die Geschwindigkeit unterscheidet sich.
Tipps für eine sauberere Trennung
• Nimm die beste Quelle, die du hast: Eine WAV-, FLAC- oder 320-kbps-MP3-Datei lässt sich sauberer trennen als eine Datei mit niedriger Bitrate, deren Kompressionsartefakte das Modell verwirren.
• Bei Karaoke wird ein wenig Reststimme im Instrumental überdeckt, sobald du darüber singst; prüfe die leisesten Passagen, wo Reste am deutlichsten hörbar sind.
• Bei einem Acapella kann die Gesangsspur einige Schlagzeugschläge oder Gitarre enthalten; schneide sie heraus oder senke diese Stellen in einem Audio-Editor ab.
• Songs, die länger als 10 Minuten sind, kannst du vorher mit dem Audio-Cutter in Teile schneiden.
