Esta herramienta para quitar la voz divide una canción en dos pistas — la voz sola y la instrumental sin ella — con Spleeter, el modelo de separación de fuentes de código abierto de Deezer Research. Usa la instrumental como pista de karaoke o de acompañamiento para practicar, o la pista de voz como acapella para un remix, una versión o para transcribir la letra. Lee archivos MP3, WAV, M4A, OGG y FLAC y el sonido de vídeos, y puedes cambiar entre Original, Voz e Instrumental en el mismo punto de la canción antes de descargar cualquiera de ellas en WAV o MP3.
Todo se ejecuta en tu navegador. La primera separación descarga el modelo (dos redes, 39 MB en total) y el motor de IA de 24 MB compartido con nuestras otras herramientas de IA, después de mostrarte el tamaño; luego el navegador guarda ambos en caché. A partir de ahí, separar una canción de 4 minutos tardó 7 segundos en un portátil reciente cuando el navegador podía usar la tarjeta gráfica (WebGPU) y 35 segundos solo con el procesador; los ordenadores y móviles más antiguos tardan más. Spleeter es un modelo de 2019: separa limpiamente la mayoría del pop, el rock y el hip-hop, pero en mezclas densas o con mucha reverberación oirás algo de voz residual en la instrumental. También hay un modo de karaoke clásico instantáneo que resta un canal estéreo del otro; no es IA y suena más tosco, pero no necesita descarga. Para recortar una pista después, usa el cortador de audio; para sacar antes el sonido de un vídeo, Vídeo a MP3.
Cómo usarla
- Suelta una canción o un vídeo en el recuadro, o haz clic para elegirlo.
- Deja seleccionada la separación con IA (o elige Karaoke clásico para un resultado instantáneo pero más tosco).
- Haz clic en Separar. La primera vez se descarga el modelo; después, una barra de progreso muestra cada parte de la canción que se procesa.
- Pulsa Reproducir y cambia entre Original, Voz e Instrumental para comprobar el resultado.
- Elige WAV o MP3 y haz clic en Descargar voz o Descargar instrumental.
Preguntas frecuentes
¿Cómo quito gratis la voz de una canción?
Abre la canción en esta página, deja seleccionada la separación con IA y haz clic en Separar. El modelo Spleeter la divide en voz e instrumental en tu navegador; descarga la instrumental en WAV o MP3. No hay cuenta, ni marca de agua, ni límite mensual; las canciones pueden durar hasta 10 minutos.
¿De verdad es IA? ¿Qué modelo usa?
El método por defecto es Spleeter 2-stem, una red neuronal U-Net publicada por Deezer Research con licencia MIT, entrenada con grabaciones multipista de estudio para predecir qué partes del espectro pertenecen a la voz. Aquí se ejecuta con onnxruntime-web. La opción Karaoke clásico no es IA: resta el canal derecho del izquierdo, lo que elimina todo lo que está mezclado exactamente en el centro.
¿Por qué sigo oyendo algo de voz en la instrumental?
Ningún separador es perfecto, y Spleeter (2019) es más ligero que los modelos más recientes como HTDemucs o MDX-Net, que son varias veces más grandes (HTDemucs ocupa unos 180 MB en un solo archivo) y demasiado pesados para descargarlos y ejecutarlos con comodidad en una página web. Cuenta con restos tenues de voz en pistas con mucha reverberación, coros o guitarras distorsionadas, y con artefactos de respiración o de fase en la pista de voz. Los resultados suelen bastar para karaoke y para practicar.
¿Puede separar también la batería, el bajo y otros instrumentos?
De momento no. Esta página separa dos pistas: voz e instrumental. Los modelos de cuatro pistas (voz, batería, bajo, resto) suponen al menos el doble de descarga, así que aquí no se ofrecen en el navegador.
¿Se sube mi canción a un servidor?
No. Los archivos del modelo se descargan de este sitio a tu navegador y la canción se procesa en tu dispositivo; nada de lo que abres se envía a ningún sitio. Los tipos de archivo poco habituales que el navegador no puede leer por sí solo se decodifican con ffmpeg, que también se descarga (desde la CDN de jsDelivr) y se ejecuta en local.
¿Puedo usar las pistas separadas como quiera?
Separar una canción no cambia quién es su propietario. Practicar, hacer karaoke en casa y estudiar un arreglo suele estar bien; publicar o vender un remix, una versión o una pista de acompañamiento hecha a partir de la grabación de otra persona requiere permiso de los titulares de los derechos.
Separación con IA frente al truco clásico del karaoke
El método clásico se basa en cómo se mezclan las canciones: la voz principal suele colocarse justo en el centro, así que es idéntica en los canales izquierdo y derecho, y al restar un canal del otro se anula. Lo mismo ocurre con todo lo demás que está en el centro — bajo, bombo, caja y, a menudo, el instrumento principal —, y por eso esta herramienta vuelve a añadir el bajo por debajo de 120 Hz. Lo que sobrevive es lo que estaba panoramizado a los lados, más la reverberación estéreo de la voz como un eco fantasmal. Es instantáneo y no necesita descarga, pero solo funciona con archivos estéreo y no da pista de voz.
Spleeter funciona de otra forma. Convierte la canción en un espectrograma (la intensidad de cada frecuencia cada 23 milisegundos) y dos redes neuronales, entrenadas con multipistas de estudio, estiman qué parte de cada punto pertenece a la voz y qué parte al acompañamiento. Esas estimaciones se convierten en máscaras suaves que se aplican al sonido original, de modo que la instrumental conserva el bajo, la batería y los instrumentos centrales, y además obtienes la voz sola.
Cómo está hecha la versión para navegador
El modelo ve unos 12 segundos cada vez, así que la canción se procesa en partes solapadas; donde dos partes se solapan, sus máscaras se funden para que no haya un corte audible. Las redes de Spleeter solo analizan frecuencias de hasta 11 kHz; por encima, cada instante recibe la media de sus máscaras, así que los platillos y las sibilantes se reparten entre las pistas en vez de cortarse. La instrumental es el original menos la voz, lo cual es exacto porque las dos máscaras siempre suman el total.
Las redes se ejecutan con onnxruntime-web en un worker en segundo plano: en la tarjeta gráfica mediante WebGPU en los navegadores que lo admiten (como las versiones actuales de Chrome y Edge) y, si no, en el procesador mediante WebAssembly. Ambos dan el mismo resultado; solo cambia la velocidad.
Consejos para una separación más limpia
• Parte de la mejor fuente que tengas: un WAV, un FLAC o un MP3 a 320 kbps se separa mejor que un archivo de baja tasa de bits, cuyos artefactos de compresión confunden al modelo.
• Para karaoke, un poco de voz residual en la instrumental queda tapada en cuanto cantas encima; revisa los pasajes más suaves, donde los restos se oyen más.
• Para una acapella, la pista de voz puede llevar algún golpe de batería o algo de guitarra; recórtala o baja esas partes en un editor de audio.
• Las canciones de más de 10 minutos pueden cortarse antes en partes con el cortador de audio.
