Créez une version instrumentale de n’importe quelle chanson

Pendant des années, la seule façon gratuite de supprimer la voix était d’utiliser l’astuce du déphasage : prendre une chanson stéréo, inverser un canal et le sommer en mono. Comme la voix principale est généralement centrée, elle s’annule partiellement, mais il en va de même pour la basse, la grosse caisse et tout autre élément placé au centre, ce qui donne un résultat fade, creux et mono. Cette méthode n’a jamais vraiment fonctionné.

StemGrab ne fait pas ça. Le modèle de séparation que nous utilisons est entraîné spécifiquement sur les voix, il isole donc la voix et laisse intacts les percussions, la basse et les instruments en stéréo. Vous obtenez une véritable version instrumentale qui sonne comme l’enregistrement original, et non une pâle imitation déphasée. Le même téléchargement vous fournit également la voix isolée, de sorte que rien n’est perdu.

Pour une piste de karaoké ou un accompagnement vocal, c’est la voix principale qu’il faut supprimer, et sur la plupart des chansons modernes bien mixées, cela se fait proprement. Voici deux mises en garde importantes pour que vous sachiez à quoi vous attendre : les chœurs et les harmonies qui sont intégrés au mixage peuvent partiellement survivre, car le modèle les traite comme faisant partie de la « voix » qu’il isole, et il est plus difficile de les localiser. De plus, sur les enregistrements denses, en direct ou avec beaucoup de réverbération, vous entendrez un peu plus de résidus que sur un mixage studio propre ; c’est le cas pour tous les outils de séparation, pas seulement celui-ci. Si une faible trace vocale vous dérange, remettez la piste vocale isolée à un niveau sonore bas : elle comble le vide et masque beaucoup mieux les artefacts qu’une version instrumentale complètement silencieuse.

Il est important de comprendre cela, car cela explique tous les résultats que vous obtiendrez. La version instrumentale n’est pas obtenue en supprimant simplement la voix du mixage ; elle est reconstruite à partir des éléments qui ne sont pas la voixLe modèle sépare la chanson en six parties (la voix, la batterie, la basse, la guitare, le piano et tous les autres instruments), supprime la partie vocale, puis réassemble les cinq autres. Ce que vous téléchargez est un mixage de cinq pistes séparées.

Deux conséquences en découlent directement :

• Tout ce que le modèle identifie comme étant du chant disparaît avec la voix principale. Les chœurs, les harmonies vocales, un échantillon vocal découpé utilisé comme refrain, les cris de foule dans un couplet… Ce sont des voix, elles disparaissent donc. C’est généralement ce que vous voulez pour chanter en même temps, mais parfois ce n’est pas le cas : si le refrain est un échantillon vocal, la version instrumentale donnera l’impression qu’elle manque de son idée principale.
• La réverbération de la voix appartient à la voix. Une voix avec beaucoup de réverbération, comme dans une cathédrale, a un écho qui continue de résonner après que le mot se termine, et cet écho fait partie de la piste vocale. En supprimant la voix, vous supprimez également la majeure partie de sa réverbération, ce qui explique pourquoi une ballade avec beaucoup de réverbération peut laisser une faible trace là où le modèle n’a pas pu déterminer si un effet de réverbération était une voix ou un son ambiant.

L’avantage de cette conception : comme la piste d’accompagnement est reconstruite à partir de pistes séparées plutôt que filtrée, la batterie conserve sa puissance et la basse reste intacte. Rien n’est supprimé du milieu de la gamme de fréquences, ce qui évite à la version instrumentale d’avoir ce son creux et déphasé produit par les anciennes méthodes.

Certains morceaux sont tout simplement plus faciles à traiter que d’autres. Du plus facile au plus difficile :

• Facile : une voix principale claire sur des rythmes, une basse et quelques instruments, le tout mixé de manière à ce que la voix soit bien présente. La plupart des enregistrements pop, rock, hip-hop et de chansons d’auteur-compositeur des quarante dernières années.
• Plus difficile : productions modernes complexes et au mastering poussé où tout est compressé dans le même espace, avec des voix principales doublées et triplées, et des morceaux où une guitare distordue occupe exactement la même plage de fréquences que la voix.
• Le plus difficile : enregistrements en direct avec un public (la foule représente une sorte de voix), arrangements à forte proportion d’éléments a cappella, paroles parlées sur de la musique et tout ce où la voix a été enregistrée simultanément avec les instruments lors du même passage.

Deux bonnes habitudes peuvent faire une grande différence, plus que ce que l’on pourrait croire. Premièrement, commencez avec le meilleur fichier possibleun téléchargement acheté ou un CD numérisé contient des détails qu’un fichier à faible débit binaire a supprimés il y a des années, et le modèle ne peut travailler qu’avec ce qui se trouve dans le fichier. Deuxièmement, vérifiez le refrain le plus fort, pas l’introductionLes introductions sont sobres et sonnent toujours parfaitement ; c’est dans le dernier refrain, avec toutes les couches jouant en même temps, que vous découvrirez si ce morceau se sépare bien ou non. Si ce n’est pas le cas, vous le saurez en quinze secondes au lieu d’attendre la fin du traitement complet.

Le résultat est un fichier MP3 à 192 kbps, idéal pour chanter en même temps que la chanson, répéter ou créer une piste d’accompagnement à utiliser avec un système de sonorisation. Les morceaux d’une durée maximale de 15 minutes sont acceptés, et vos fichiers sont automatiquement supprimés dans les 45 minutes suivant la fin du traitement.