Crie uma versão instrumental de qualquer música

Durante anos, a única maneira gratuita de remover os vocais era usar o truque da inversão de fase: pegar uma música estéreo, inverter um dos canais e somá-lo em mono. Como o vocal principal geralmente está bem no centro, ele é parcialmente cancelado — mas também o baixo, a bateria e qualquer outro elemento mixado para o meio, resultando em um áudio fino, vazio e em mono. Nunca funcionou perfeitamente.

O StemGrab não faz isso. O modelo de separação que usamos é treinado especificamente em vozes, então ele extrai o vocal e deixa a bateria, o baixo e os instrumentos completos e em estéreo. Você obtém uma versão instrumental real que ainda soa como a música original, e não um fantasma distorcido pela inversão de fase. O mesmo arquivo carregado também fornece o vocal isolado, para que nada seja descartado.

Para uma faixa de karaoke ou acompanhamento, é o vocal principal que você deseja remover e, na maioria das músicas modernas e bem mixadas, ele é extraído de forma limpa. Duas ressalvas importantes para que você saiba o que esperar: Vocais de apoio e harmonias que estiverem entrelaçados na mixagem podem sobreviver parcialmente, pois o modelo os trata como parte do "vocal" que está isolando, e é mais difícil localizá-los. E em gravações densas, ao vivo ou com muito reverb, você ouvirá um pouco mais de resíduo do que em uma mixagem limpa de estúdio — isso é verdade para todas as ferramentas de separação, não apenas esta. Se um leve fantasma vocal incomodar você, adicione a faixa vocal isolada novamente em um volume baixo: ela preenche a lacuna e mascara quaisquer artefatos muito melhor do que uma versão instrumental completamente silenciosa.

É importante entender isso, pois explica todos os resultados que você obterá. A versão instrumental não é feita removendo a voz da mixagem — ela é reconstruída a partir das partes que não são a vozO modelo separa a música em seis partes (voz, bateria, baixo, guitarra, piano e tudo o mais), descarta a parte vocal e adiciona as outras cinco novamente. O que você baixa é uma mixagem de cinco faixas separadas.

Duas consequências decorrem diretamente disso:

• Tudo o que o modelo identifica como canto desaparece junto com a voz principal. Vocais de apoio, harmonias, um trecho vocal usado como refrão, coros — são vozes, então desaparecem. Geralmente é isso que você deseja para cantar junto, e ocasionalmente não é: se o refrão for um trecho vocal, a versão instrumental parecerá estar faltando sua ideia principal.
• O efeito de reverberação da voz pertence à voz. Uma voz com muito eco, como em uma catedral, tem um som que continua ressoando após o término da palavra, e esse ressonância faz parte da faixa vocal. Remova a voz e você removerá grande parte do seu eco — por isso, uma balada com muito eco pode deixar um leve vestígio onde o modelo não conseguiu decidir se o efeito era voz ou ambiente.

O lado positivo desse mesmo design: como a faixa de acompanhamento é remontada a partir de faixas separadas em vez de filtradas, a bateria permanece vibrante e o baixo permanece completo. Nada é removido do meio da faixa de frequência, então a versão instrumental não tem aquele som oco e distorcido que os métodos mais antigos produzem.

Alguns materiais são simplesmente mais fáceis de processar do que outros. Do mais fácil ao mais difícil:

• Fácil: Uma voz principal clara sobre bateria, baixo e alguns instrumentos, com a voz em destaque na mixagem. A maioria das gravações pop, rock, hip-hop e de cantores/compositores dos últimos quarenta anos.
• Mais difícil: Produções modernas densas e com masterização alta, onde tudo é comprimido no mesmo espaço, vozes principais duplicadas e triplicadas, e faixas em que uma guitarra distorcida ocupa exatamente a mesma faixa de frequência da voz.
• O mais difícil: Gravações ao vivo com público (a multidão funciona como um tipo de voz), arranjos com muitos elementos vocais a cappella, narração sobre música e qualquer coisa em que a parte vocal foi gravada junto com os instrumentos na mesma tomada.

Dois hábitos práticos fazem mais diferença do que as pessoas imaginam. Primeiro, comece com a melhor cópia que você tiverum download pago ou uma cópia de CD tem detalhes que um arquivo de baixa taxa de bits descartou há anos, e o modelo só pode trabalhar com o que está no arquivo. Segundo, verifique o refrão mais alto, não a introduçãoAs introduções são esparsas e sempre soam perfeitas; o último refrão, com todas as camadas tocando, é onde você descobre se essa música pode ser bem separada. Se não puder, você saberá em quinze segundos, em vez de depois de uma renderização completa.

O resultado é um MP3 de 192 kbps — bom para cantar junto, ensaiar ou usar como faixa de apoio em um sistema de som. Faixas de até 15 minutos são aceitas, e seus arquivos são excluídos automaticamente dentro de 45 minutos após a conclusão do processo.