AI Stem Splitter
แยกเสียงร้อง กลอง เบส กีตาร์ และเสียงอื่น ๆ อัปโหลดไฟล์ ฟังแต่ละแทร็ก แล้วดาวน์โหลด WAV แบบไม่สูญเสียข้อมูล ฟรีทั้งหมด ไม่ต้องมีบัญชี
วางไฟล์เสียงที่นี่
WAV, MP3, FLAC, M4A, OGG, AIFF, AAC · สูงสุด 10 นาที / 100 MB
อัปโหลดเฉพาะเสียงที่คุณมีสิทธิ์หรือได้รับอนุญาตให้ประมวลผล
ไฟล์ไม่เปิดเผยต่อสาธารณะ ดาวน์โหลดภายใน 24 ชั่วโมง จากนั้นไฟล์จะถูกลบโดยอัตโนมัติ และไม่นำไปฝึกโมเดล
อัปโหลดครั้งเดียว ได้แปดแทร็ก
หลักการแยกเสียงด้วย AI
การแยกแหล่งเสียงคือการประมาณแทร็กเสียงร้องและเครื่องดนตรีแต่ละส่วนที่เรียกว่า stem จากเสียงที่มิกซ์รวมแล้ว เครื่องมือนี้ใช้โมเดล X-LANCE เพื่อแยกเครื่องดนตรี 8 กลุ่ม โดยมี BS-RoFormer เป็นแกนหลัก ซึ่งเป็นโครงข่ายประสาทเทียมที่วิเคราะห์ความสัมพันธ์ระหว่างย่านความถี่และตามเวลา
1. แปลงเสียงเป็นข้อมูลเวลาและความถี่
การแปลงฟูเรียร์ช่วงเวลาสั้น (STFT) วิเคราะห์เสียงเป็นช่วงสั้น ๆ เพื่ออธิบายความถี่ที่มีอยู่ในแต่ละขณะ ข้อมูลนี้มีทั้งแอมพลิจูดหรือความแรงของเสียง และเฟสหรือตำแหน่งในรอบคลื่น จากนั้นจะแบ่งข้อมูลเป็นย่านความถี่และแปลงเป็นคุณลักษณะที่โครงข่ายประมวลผลได้
2. เชื่อมโยงรูปแบบตามเวลาและระหว่างย่านความถี่
BS-RoFormer ใช้กลไก attention เพื่อเชื่อมโยงข้อมูลทั้งสองมิติ สำหรับเสียงที่ทับซ้อนกันอย่างเบสและกลองคิก ลักษณะการเริ่มเสียง การค้างเสียง ฮาร์มอนิก และการเปลี่ยนแปลงตามเวลาช่วยในการแยกแยะ โมเดลจะประมาณมาสก์เชิงซ้อนเพื่อปรับแอมพลิจูดและเฟส แล้วใช้ STFT ผกผันแปลงผลลัพธ์กลับเป็นเสียง
3. แยกแต่ละกลุ่มด้วยโมเดลเฉพาะ
ทั้ง 8 กลุ่มเริ่มจากมิกซ์ต้นฉบับ สำหรับกลอง ซินธ์ เพอร์คัสชัน และออร์เคสตรา ผลลัพธ์ของโมเดลแรกจะถูกส่งต่อให้โมเดลที่สองเพื่อแยกเสียงต่อ ส่วนเสียงร้อง เบส กีตาร์ และคีย์บอร์ดใช้โมเดลเฉพาะของแต่ละกลุ่ม
4. เชื่อมช่วงเสียงที่ซ้อนกันและส่งออก WAV เพื่อแก้ไข
เสียงยาวจะถูกประมวลผลเป็นช่วงละ 10 วินาที โดยซ้อนกัน 2 วินาที การปรับน้ำหนักอย่างค่อยเป็นค่อยไปขณะรวมช่วงที่ติดกันช่วยลดรอยต่อที่ไม่ต่อเนื่อง ผลลัพธ์เป็น WAV สเตอริโอ 44.1 kHz แบบ 32-bit float ที่มีจุดเริ่มต้นและจำนวนตัวอย่างเสียงเท่ากัน ไม่มีการปรับความดังมาตรฐานแยกแต่ละ stem จึงสามารถวางทุกแทร็กที่ตำแหน่งเดียวกันใน DAW เพื่อแก้ไขได้
การนำเสียงที่แยกแล้วไปใช้
อัปโหลดไฟล์ให้ AI ประมาณเสียงแต่ละกลุ่มเครื่องดนตรี แล้วฟังหรือส่งออกไปยัง DAW เหมาะกับการศึกษาการเรียบเรียง ฝึกแต่ละพาร์ต และแก้ไขเสียงที่คุณเป็นเจ้าของ
คุณภาพการแยกเสียงและการใช้งาน
เครื่องดนตรีที่เล่นพร้อมกันในย่านความถี่ใกล้กัน เสียงแตกหนัก และเสียงก้องที่กระจายกว้างทำให้แยกเสียงได้ยากขึ้น จึงอาจมีเสียงเครื่องดนตรีอื่นปน รายละเอียดหาย หรือเสียงพร่า หมวดหมู่อย่างคีย์บอร์ดและซินธ์ก็อาจทับซ้อนกันได้ เนื่องจากแต่ละกลุ่มถูกประมาณแยกกัน การรวมทั้ง 8 stem จึงอาจไม่ตรงกับมิกซ์ต้นฉบับทั้งหมด ควรฟังทั้งแยกแทร็กและรวมในรูปแบบที่ต้องการใช้งาน
การแยกเสียงไม่ได้ให้สิทธิ์ใหม่ในเสียงบันทึกหรือบทเพลง ใช้ผลลัพธ์ตามที่เจ้าของสิทธิ์อนุญาต เครื่องมือนี้ไม่ได้สร้างการบรรเลงใหม่หรือจัดการสิทธิ์เพลง
การจัดเก็บและลบไฟล์
ประมวลผลเสียงบน Modal และเก็บชั่วคราวใน Google Cloud Storage แบบส่วนตัว เบราว์เซอร์ของคุณเข้าถึงผลลัพธ์ได้ 24 ชั่วโมง จากนั้นลบอัตโนมัติ หรือลบไฟล์ที่เสร็จแล้วได้ทันที ไม่ใช้เสียงฝึกโมเดล ใช้คุกกี้และรหัสเครือข่ายที่แฮชเพื่อปกป้องงานและป้องกันคำขอซ้อนกัน