Pular para o conteúdo

Removedor de voz — separe vocais e instrumental com IA

Divida uma música em uma faixa de voz e uma instrumental com o modelo de IA Spleeter no seu navegador, ou faça uma faixa de karaokê rápida pelo método clássico.

No dispositivo

Encontrou um problema ou algo que poderia ser melhor? Lemos todas as mensagens e corrigimos rápido.

Este removedor de voz divide uma música em duas faixas — só os vocais e o instrumental sem eles — usando o Spleeter, o modelo de separação de fontes de código aberto da Deezer Research. Use o instrumental como playback para karaokê ou para ensaiar, ou a faixa de voz como acapella para um remix, um cover ou para transcrever a letra. Ele lê arquivos MP3, WAV, M4A, OGG e FLAC e o áudio de vídeos, e você pode alternar entre Original, Vocais e Instrumental no mesmo ponto da música antes de baixar qualquer uma delas em WAV ou MP3.

Tudo funciona no seu navegador. A primeira separação baixa o modelo (duas redes, 39 MB no total) e o mecanismo de IA de 24 MB compartilhado com nossas outras ferramentas de IA, depois de mostrar o tamanho; os dois ficam então em cache no navegador; a partir daí, separar uma música de 4 minutos levou 7 segundos em um notebook recente quando o navegador pôde usar a placa de vídeo (WebGPU) e 35 segundos só com o processador; computadores e celulares mais antigos demoram mais. O Spleeter é um modelo de 2019: ele separa bem a maior parte do pop, do rock e do hip-hop, mas você vai ouvir um pouco de voz no instrumental em mixagens densas ou com muito reverb. Há também um modo de karaokê clássico instantâneo que subtrai um canal estéreo do outro; não é IA e soa mais grosseiro, mas não precisa de download. Para cortar um stem depois, use o cortador de áudio; para tirar o som de um vídeo antes, o conversor de vídeo para MP3.

Como usar

  1. Solte uma música ou um vídeo na caixa ou clique para escolher um.
  2. Mantenha a separação por IA selecionada (ou escolha Karaokê clássico para um resultado instantâneo, porém mais grosseiro).
  3. Clique em Separar. Na primeira vez, o modelo é baixado; depois, uma barra de progresso mostra cada parte da música sendo processada.
  4. Clique em Reproduzir e alterne entre Original, Vocais e Instrumental para conferir o resultado.
  5. Escolha WAV ou MP3 e clique em Baixar vocais ou Baixar instrumental.

Perguntas frequentes

Como tiro a voz de uma música de graça?

Abra a música nesta página, mantenha a separação por IA selecionada e clique em Separar. O modelo Spleeter divide a música em vocais e instrumental no seu navegador; baixe o instrumental em WAV ou MP3. Não há conta, marca d'água nem limite mensal; as músicas podem ter até 10 minutos.

Isto é mesmo IA? Qual é o modelo?

O método padrão é o Spleeter de 2 stems, uma rede neural U-Net publicada pela Deezer Research sob a licença MIT e treinada com gravações multipista de estúdio para prever quais partes do espectro pertencem à voz. Aqui ele roda com onnxruntime-web. A opção Karaokê clássico não é IA: ela subtrai o canal direito do esquerdo, o que remove tudo o que foi mixado exatamente no centro.

Por que ainda ouço um pouco de voz no instrumental?

Nenhum separador é perfeito, e o Spleeter (2019) é mais leve que os modelos mais novos, como HTDemucs ou MDX-Net, que são várias vezes maiores (o HTDemucs tem cerca de 180 MB em um único arquivo) e pesados demais para baixar e rodar com conforto em uma página web. Espere leves vestígios de voz em faixas com muito reverb, coral ou guitarra distorcida, e artefatos soprados ou com efeito de "phasing" na faixa de voz. Os resultados costumam ser bons o suficiente para karaokê e ensaio.

Ele também separa bateria, baixo e outros instrumentos?

Por enquanto, não. Esta página separa dois stems: vocais e instrumental. Modelos de quatro stems (vocais, bateria, baixo, outros) têm pelo menos o dobro do tamanho para baixar, por isso não são oferecidos aqui no navegador.

A minha música é enviada para um servidor?

Não. Os arquivos do modelo são baixados deste site para o seu navegador, e a música é processada no seu aparelho; nada do que você abre é enviado para lugar nenhum. Tipos de arquivo incomuns que o navegador não consegue ler sozinho são decodificados com o ffmpeg, que também é baixado (do CDN jsDelivr) e roda localmente.

Posso usar as faixas separadas como eu quiser?

Separar uma música não muda quem é o dono dela. Ensaiar, fazer karaokê em casa e estudar um arranjo geralmente não tem problema; publicar ou vender um remix, um cover ou um playback feito a partir da gravação de outra pessoa exige autorização dos detentores dos direitos.

Separação por IA vs o truque clássico do karaokê

O método clássico se baseia em como as músicas são mixadas: a voz principal costuma ficar bem no centro, idêntica nos canais esquerdo e direito, e subtrair um canal do outro a cancela. O mesmo acontece com tudo o que está no centro — baixo, bumbo, caixa e muitas vezes o instrumento principal —, e é por isso que esta ferramenta devolve o baixo abaixo de 120 Hz. O que sobra é o que estava posicionado nas laterais, além do reverb estéreo da voz como um eco fantasma. É instantâneo e não precisa de download, mas só funciona com arquivos estéreo e não gera uma faixa de voz.

O Spleeter funciona de outro jeito. Ele transforma a música em um espectrograma (a intensidade de cada frequência, a cada 23 milissegundos), e duas redes neurais, treinadas com multipistas de estúdio, estimam quanto de cada ponto pertence à voz e quanto ao acompanhamento. Essas estimativas viram máscaras suaves aplicadas ao som original, então o instrumental mantém o baixo, a bateria e os instrumentos do centro, e você também recebe os vocais isolados.

Como a versão para navegador é construída

O modelo enxerga cerca de 12 segundos por vez, então a música é processada em partes sobrepostas; onde duas partes se sobrepõem, as máscaras passam por um crossfade para que não haja emenda audível. As redes do Spleeter só analisam frequências até 11 kHz; acima disso, cada momento recebe a média das suas máscaras, de modo que pratos e sibilância são divididos entre os stems em vez de serem cortados. O instrumental é o original menos os vocais, o que é exato porque as duas máscaras sempre somam o todo.

As redes rodam com onnxruntime-web em um worker em segundo plano: na placa de vídeo via WebGPU nos navegadores com suporte (como as versões atuais do Chrome e do Edge) e, caso contrário, no processador via WebAssembly. Os dois dão o mesmo resultado; só a velocidade muda.

Dicas para uma separação mais limpa

• Comece pela melhor fonte que você tiver: um WAV, FLAC ou MP3 de 320 kbps se separa melhor que um arquivo de bitrate baixo, cujos artefatos de compressão confundem o modelo.

• No karaokê, um pouco de voz restante no instrumental some quando você canta por cima; confira os trechos mais baixos, onde os vestígios são mais audíveis.

• Em uma acapella, a faixa de voz pode trazer algumas batidas de bateria ou guitarra; corte esses trechos ou abaixe essas partes em um editor de áudio.

• Músicas com mais de 10 minutos podem ser divididas em partes antes com o cortador de áudio.