Vai al contenuto

Rimuovi voce — Separa voce e base musicale con l'IA

Dividi una canzone in una traccia vocale e una base strumentale con il modello di IA Spleeter nel browser, oppure crea al volo una base karaoke con il metodo classico.

Sul dispositivo

Hai trovato un problema o qualcosa che potrebbe andare meglio? Leggiamo ogni messaggio e sistemiamo le cose in fretta.

Questo strumento per rimuovere la voce divide una canzone in due tracce, la voce da sola e la base strumentale senza voce, usando Spleeter, il modello open source di separazione delle sorgenti di Deezer Research. Usa la base strumentale per il karaoke o per esercitarti, oppure la traccia vocale come a cappella per un remix, una cover o per trascrivere il testo. Legge file MP3, WAV, M4A, OGG e FLAC e l'audio dei video, e puoi passare tra Originale, Voce e Strumentale nello stesso punto della canzone prima di scaricare l'una o l'altra in WAV o MP3.

Tutto avviene nel browser. La prima separazione scarica il modello (due reti, 39 MB in tutto) e il motore IA da 24 MB condiviso con gli altri nostri strumenti di IA, dopo averti mostrato la dimensione; poi il browser li memorizza entrambi nella cache. Dopodiché, separare una canzone di 4 minuti ha richiesto 7 secondi su un portatile recente quando il browser poteva usare la scheda grafica (WebGPU) e 35 secondi con il solo processore; computer meno recenti e telefoni impiegano di più. Spleeter è un modello del 2019: separa in modo pulito la maggior parte del pop, del rock e dell'hip-hop, ma nei mix densi o ricchi di riverbero sentirai qualche residuo di voce nella base. C'è anche una modalità karaoke classica istantanea che sottrae un canale stereo dall'altro: non è IA e il suono è più grezzo, ma non richiede alcun download. Per accorciare uno stem in seguito, usa lo strumento Taglia audio; per estrarre prima l'audio da un video, Da video a MP3.

Come si usa

  1. Trascina una canzone o un video nel riquadro, oppure fai clic per sceglierlo.
  2. Lascia selezionata la separazione con IA (oppure scegli Karaoke classico per un risultato istantaneo ma più grezzo).
  3. Fai clic su Separa. La prima volta viene scaricato il modello; poi una barra di avanzamento mostra l'elaborazione di ogni parte della canzone.
  4. Premi Riproduci e passa tra Originale, Voce e Strumentale per controllare il risultato.
  5. Scegli WAV o MP3 e fai clic su Scarica voce o Scarica base strumentale.

Domande frequenti

Come si toglie gratis la voce da una canzone?

Apri la canzone in questa pagina, lascia selezionata la separazione con IA e fai clic su Separa. Il modello Spleeter la divide in voce e base strumentale nel browser; scarica la base in WAV o MP3. Nessun account, nessuna filigrana e nessun limite mensile; le canzoni possono durare fino a 10 minuti.

È davvero IA? Quale modello usa?

Il metodo predefinito è Spleeter a 2 stem, una rete neurale U-Net pubblicata da Deezer Research con licenza MIT, addestrata su registrazioni multitraccia da studio per prevedere quali parti dello spettro appartengono alla voce. Qui viene eseguita con onnxruntime-web. L'opzione Karaoke classico non è IA: sottrae il canale destro dal sinistro, eliminando tutto ciò che è mixato esattamente al centro.

Perché sento ancora un po' di voce nella base strumentale?

Nessun separatore è perfetto, e Spleeter (2019) è più leggero dei modelli più recenti come HTDemucs o MDX-Net, che sono parecchie volte più grandi (HTDemucs pesa circa 180 MB in un unico file) e troppo pesanti per essere scaricati ed eseguiti comodamente in una pagina web. Aspettati deboli tracce di voce nei brani con molto riverbero, cori o chitarre distorte, e artefatti "soffiati" o di fase nella traccia vocale. Di solito il risultato basta per il karaoke e per esercitarsi.

Può separare anche batteria, basso e altri strumenti?

Per ora no. Questa pagina separa due stem, voce e base strumentale. I modelli a quattro stem (voce, batteria, basso, altro) richiedono un download almeno doppio, quindi qui non sono disponibili nel browser.

La mia canzone viene caricata su un server?

No. I file del modello vengono scaricati da questo sito nel browser e la canzone viene elaborata sul tuo dispositivo; nulla di ciò che apri viene inviato altrove. I tipi di file insoliti che il browser non sa leggere da solo vengono decodificati con ffmpeg, anch'esso scaricato (dalla CDN jsDelivr) ed eseguito in locale.

Posso usare le tracce separate come voglio?

Separare una canzone non cambia chi ne detiene i diritti. Esercitarsi, fare karaoke a casa e studiare un arrangiamento sono in genere attività consentite; pubblicare o vendere un remix, una cover o una base ricavati dalla registrazione di qualcun altro richiede il permesso dei titolari dei diritti.

Separazione con IA e il classico trucco del karaoke a confronto

Il metodo classico sfrutta il modo in cui si mixano le canzoni: la voce principale di solito è posizionata esattamente al centro, quindi è identica nel canale sinistro e in quello destro, e sottraendo un canale dall'altro si annulla. Lo stesso succede a tutto ciò che sta al centro (basso, cassa, rullante, spesso lo strumento principale), ed è per questo che lo strumento reinserisce il basso sotto i 120 Hz. Rimane ciò che era panoramicato ai lati, più il riverbero stereo della voce come un'eco spettrale. È istantaneo e non richiede download, ma funziona solo con file stereo e non fornisce una traccia vocale.

Spleeter funziona in modo diverso. Trasforma la canzone in uno spettrogramma (quanto è forte ogni frequenza, ogni 23 millisecondi) e due reti neurali, addestrate su multitraccia da studio, stimano quanto di ogni punto appartiene alla voce e quanto all'accompagnamento. Queste stime diventano maschere morbide applicate al suono originale, così la base strumentale conserva basso, batteria e strumenti centrali, e in più ottieni la voce da sola.

Come è costruita la versione per browser

Il modello analizza circa 12 secondi alla volta, quindi la canzone viene elaborata in parti sovrapposte; dove due parti si sovrappongono, le loro maschere vengono sfumate in dissolvenza incrociata, così non si sente alcuna giunzione. Le reti di Spleeter considerano solo le frequenze fino a 11 kHz; al di sopra, ogni istante riceve la media delle sue maschere, così piatti e sibilanti vengono ripartiti tra gli stem invece di essere tagliati. La base strumentale è l'originale meno la voce, ed è esatta perché le due maschere sommate danno sempre il totale.

Le reti girano con onnxruntime-web in un worker in background: sulla scheda grafica tramite WebGPU nei browser che lo supportano (come le versioni attuali di Chrome ed Edge), altrimenti sul processore tramite WebAssembly. Il risultato è identico; cambia solo la velocità.

Consigli per una separazione più pulita

• Parti dalla sorgente migliore che hai: un WAV, un FLAC o un MP3 a 320 kbps si separa in modo più pulito di un file a basso bitrate, i cui artefatti di compressione confondono il modello.

• Per il karaoke, un po' di voce residua nella base viene coperta quando ci canti sopra; controlla i passaggi più silenziosi, dove le tracce si sentono di più.

• Per un a cappella, la traccia vocale può contenere qualche colpo di batteria o un po' di chitarra; accorciala, oppure abbassa quelle parti in un editor audio.

• Le canzoni più lunghe di 10 minuti si possono prima dividere in parti con lo strumento Taglia audio.