حذف صدای خواننده (سازنده کاراوکه) رایگان

مثال عملی

روی «نمونه را امتحان کنید» بزنید. فایل sample-song.wav اضافه می‌شود، حدود 12 ثانیه موسیقی زمینه با یک خوانندهٔ ساختگی روی آن، و «روش» روی «جداسازی با هوش مصنوعی (بهترین کیفیت)» شروع می‌شود. پانلی دانلود یک‌بارهٔ مدل را با دکمهٔ «بارگذاری مدل» پیشنهاد می‌کند و خطی زیر آن می‌گوید «برای این آهنگ 0:12 روی یک رایانه، حدود 0:08 انتظار می‌رود. پس از شروع، نوار پیشرفت زمان واقعی باقی‌مانده را نشان می‌دهد.» (تلفن 0:57 را در جمله‌ای بلندتر می‌بیند.) روی «🎤 حذف صدای خواننده» بزنید. نوار می‌گوید «در حال خواندن آهنگ…»، «در حال بارگذاری مدل هوش مصنوعی…»، «در حال تفکیک صدا و موسیقی: بخش 1 از 2» و بعد «در حال ساخت فایل‌های MP3…». دو کارت ظاهر می‌شود، «بی‌کلام (کارائوکه)» و «آواز (آکاپلا)»، هر کدام با یک پخش‌کننده، «⬇ دانلود MP3» و دکمهٔ «WAV» با برچسب «~2 MB». فایل‌ها sample-song_instrumental.mp3 و sample-song_vocals.mp3 نام دارند. دکمهٔ اصلی حالا «پردازش دوباره» را نشان می‌دهد.

کدام تنظیمات را استفاده کنید و محدودیت‌ها

• جداسازی با هوش مصنوعی را انتخاب کنید، مگر اینکه باید از دانلود پرهیز کنید. «جداسازی با هوش مصنوعی (بهترین کیفیت)» شبکهٔ Spleeter 2-stems ساختهٔ Deezer را روی دستگاه شما اجرا می‌کند. روی بیشتر آهنگ‌ها، مونو هم، کار می‌کند و به یک دانلود یک‌بارهٔ مدل به حجم 18.8 MB نیاز دارد (عدد روی دکمهٔ «بارگذاری مدل» فایل‌های موتور را هم که هنوز در حافظهٔ پنهان نیستند می‌شمارد). «Instant (کیفیت پایین‌تر)» به دانلود نیاز ندارد. مرکز یک میکس استریو را بین 200 هرتز و 6,000 هرتز کم می‌کند، پس آنچه درست در مرکز قرار دارد حذف می‌شود و واخنش و صدای همخوان‌ها اغلب می‌مانند. فایل‌های مونو را رد می‌کند. پس از تغییر روش، نتیجهٔ قبلی منسوخ علامت می‌خورد.
• برای هر ترک MP3 یا WAV را انتخاب کنید. هر دو ترک وقتی اجرا تمام شود به صورت MP3 با 192 kbps ساخته می‌شوند، پس «دانلود MP3» بلافاصله شروع می‌شود. دکمهٔ «WAV» کنار آن وقتی لمسش کنید یک فایل استریوی 16 بیتی 44.1 kHz می‌نویسد و اندازهٔ «~» آن طول آهنگ ضرب در 44,100 نمونه ضرب در 4 بایت است، حدود 10 MB در هر دقیقه. خروجی همیشه استریوی 44.1 kHz است و آهنگ مونو مثل دو کانال یکسان رفتار می‌شود. فایل‌ها مثل song_instrumental.mp3 و song_vocals.wav نام‌گذاری می‌شوند. در حالت هوش مصنوعی، ترک آواز برابر است با آهنگ منهای بی‌کلام، پس این دو با هم دوباره اصل را می‌سازند. اگر رمزگذار MP3 بارگذاری نشود، فایل‌های WAV و یک یادداشت می‌گیرید.
• برای تفکیک صدای یک ویدیو آن را رها کنید. ناحیهٔ رها کردن فایل‌های صوتی و ویدیوهایی مثل MP4، MOV، WebM یا MKV را می‌پذیرد. برای ویدیو، صفحه ابتدا «در حال خواندن صدا از ویدیوی شما…» را نشان می‌دهد در حالی که موتور رسانهٔ همراه صدا را بیرون می‌کشد. فقط صدا برمی‌گردد، هرگز ویدیو، و ویدیوی بدون صدا با «این ویدیو ترک صوتی برای کار کردن ندارد.» متوقف می‌شود. فایل بالاتر از حد دستگاه شما رد می‌شود و اضافه نمی‌شود: حدود 2 GB روی رایانهٔ معمولی، 1 GB روی رایانه‌ای که 4 GB حافظه یا کمتر گزارش می‌کند، 400 MB روی تلفن. یادداشت فایل کند از 800، 400 و 150 MB شروع می‌شود.
• تخمین زمان و حد طول را بررسی کنید. در حالت هوش مصنوعی، خطی زیر پانل مدل زمان مورد انتظار را می‌دهد، مثلاً حدود 1:28 برای آهنگ 4:00 روی رایانه یا 17:40 روی تلفن. عدد تلفن عمداً بدبینانه است و نوار پس از شروع اجرا زمان واقعی باقی‌مانده را نشان می‌دهد. حالت هوش مصنوعی آهنگ‌هایی تا 20:00 را روی رایانه و 10:00 را روی تلفن یا تبلت می‌پذیرد. آهنگ طولانی ممکن است «این آهنگ برای حافظه این دستگاه طولانی است و ممکن است تمام نشود.» را اضافه کند. روی تلفن صفحه را روشن و زبانه را باز نگه دارید. «لغو» اجرا را متوقف می‌کند و اجرای بعدی آهنگ را دوباره می‌خواند.
• دانلود مدل را مدیریت کنید. پانل مدل می‌گوید «این ابزار یک مدل هوش مصنوعی را روی دستگاه شما اجرا می‌کند.» زدن «بارگذاری مدل» یا «حذف صدای خواننده» آن را دانلود می‌کند و بعد آهنگ را تفکیک می‌کند. «لغو دانلود» آن را با «دانلود لغو شد. چیزی ذخیره نشد.» متوقف می‌کند. وقتی مدل در حافظهٔ پنهان باشد پانل می‌گوید «مدل از قبل دانلود شده است و چیزی برای دریافت نمانده.» و «حذف مدل دانلودشده (18.8 MB)» را پیشنهاد می‌کند. اگر دستگاه شما روی صرفه‌جویی در داده تنظیم شده باشد، دانلود رد می‌شود تا آن را خاموش کنید یا به Wi-Fi بروید. در مرورگری که نتواند مدل را اجرا کند، پانل دلیلش را می‌گوید و حالت Instant همچنان کار می‌کند.

مشکلات رایج و راه حل آن‌ها

پیام «مدل هوش مصنوعی بارگذاری نشد. اتصال خود را بررسی کنید و دوباره تلاش کنید، یا از حالت فوری استفاده کنید.» را می‌دهد.

این بنر برای هر شکستی پیش از شروع تفکیک است: دانلود مدل ناموفق بود، مرورگر آن را ذخیره نکرد، یا کارگر پس‌زمینه شروع نشد. پانل مدل بالای آن روی صفحه می‌ماند و دلیل مشخص را می‌گوید، مثل «دانلود متوقف شد - اتصال خود را بررسی کنید و دوباره تلاش کنید.» یا «فضای آزاد مرورگر شما برای این مدل کافی نیست.»، با دکمهٔ «دوباره تلاش کنید». علت اعلام‌شده را رفع کنید و «دوباره تلاش کنید» را بزنید، یا به Instant بروید که دانلود لازم ندارد.

پیام «جداسازی با هوش مصنوعی پیش از پایان متوقف شد؛ معمولاً یعنی حافظهٔ این دستگاه تمام شده است. آهنگ کوتاه‌تری امتحان کنید، تب‌های دیگر را ببندید یا از حالت فوری استفاده کنید.» را می‌دهد.

کارگر تفکیک هنگام کار خطا گزارش کرده یا 3 دقیقه هیچ پیامی نفرستاده است، که صفحه آن را گیر کردن می‌داند (دانلود موتور در حال انجام فعالیت حساب می‌شود). مدل علاوه بر خود آهنگ به حدود 400 MB حافظه نیاز دارد، پس آهنگ طولانی روی تلفن علت معمول است. بخش کوتاه‌تری از آهنگ را استفاده کنید، تب‌های دیگر را ببندید یا Instant را انتخاب کنید. کارگر ناموفق دور انداخته می‌شود، پس زدن دوبارهٔ «حذف صدای خواننده» از نو شروع می‌شود.

پیام «این فایل به عنوان صدا قابل خواندن نبود. یک فایل MP3، WAV، M4A یا FLAC را امتحان کنید.» را می‌دهد، یا برای ویدیو «صدا از این ویدیو خوانده نشد. فایل MP4 یا MOV را امتحان کنید یا ابتدا صدا را به‌صورت MP3 ذخیره کنید.»

رمزگشای صوتی خود مرورگر نتوانست فایل را باز کند، پس چیزی برای تفکیک نبود. آهنگ را به صورت MP3، WAV، M4A یا FLAC ذخیره کنید و دوباره اضافه کنید. برای ویدیو، موتور رسانه نتوانست صدا را بیرون بکشد: آن را دوباره به MP4 یا MOV خروجی بگیرید یا ابتدا صدا را به صورت MP3 ذخیره کنید. فایلی با کمتر از یک ثانیه صدا به جای آن «این فایل برای تفکیک بسیار کوتاه است. از یک قطعه حداقل یک ثانیه‌ای استفاده کنید.» را می‌دهد.

پیام «این آهنگ طولانی‌تر از 20:00 است، که بیشترین مقداری است که این دستگاه می‌تواند یکجا تفکیک کند. ابتدا آن را به بخش‌های کوتاه‌تر تقسیم کنید.» را می‌دهد، یا «حجم این فایل 2.6 GB است، بیشتر از حدود ~2 GB که این دستگاه می‌تواند در مرورگر پردازش کند. فایلی کوچک‌تر را امتحان کنید یا نخست کلیپ کوتاه‌تری ببُرید.»

حالت هوش مصنوعی هنگام کار مدل صدای آهنگ را در حافظه نگه می‌دارد، پس روی رایانه تا 20:00 و روی تلفن یا تبلت تا 10:00 را می‌پذیرد؛ زمانی که در پیام آمده سقف خود دستگاه شماست. بررسی از طولی که پخش‌کننده گزارش می‌کند استفاده می‌کند و فقط برای حالت هوش مصنوعی اعمال می‌شود. آهنگ را به بخش‌ها ببُرید و هر کدام را جدا تفکیک کنید. پیام دوم حد حجم فایل است (2 GB، 1 GB یا 400 MB بسته به دستگاه) و آن فایل اضافه نمی‌شود.

پیام «این فایل مونو است (یا هر دو کانال یکسان‌اند)، پس حالت فوری چیزی برای حذف ندارد. از «جداسازی با هوش مصنوعی» استفاده کنید که روی آهنگ‌های مونو کار می‌کند.» را می‌دهد.

حالت Instant با تشخیص مرکز میکس از کناره‌ها کار می‌کند. در فایل مونو دو کانال یکسان‌اند، پس تفاوتی برای جدا کردن نیست. فایل استریو وقتی مونو حساب می‌شود که سیگنال کناره‌ها 40 dB یا بیشتر پایین‌تر از وسط باشد. «روش» را روی «جداسازی با هوش مصنوعی (بهترین کیفیت)» بگذارید. هشداری مرتبط، «این آهنگ محتوای کمی در مرکز دارد: نتیجه حدود 34 dB از اصل آرام‌تر است…»، وقتی ظاهر می‌شود که نتیجهٔ Instant بیش از 30 dB آرام‌تر از ورودی باشد.

مقایسه آن

حالت هوش مصنوعی با مدل Spleeter 2-stems ساختهٔ Deezer (مجوز MIT) دو فایل می‌سازد، یک بی‌کلام و یک ترک آواز. خود صفحه هشدار می‌دهد که «در بخش‌های پرصدا ردی ضعیف از صدا باقی می‌ماند»، و سازهایی که شبیه صدا هستند ممکن است در ترک آواز بیفتند. در آزمایش‌های خود این سایت، روی هر آهنگ آزمایشی به‌وضوح بهتر از حالت Instant جدا کرد. فقط به دو ترک تقسیم می‌کند؛ برای طبل و باس به صورت ترک‌های جدا از Stem Splitter (آواز، طبل، باس) استفاده کنید. چون در مرورگر اجرا می‌شود، به دانلود مدل نیاز دارد و روی رایانه تقریباً یک‌سوم طول آهنگ زمان می‌برد، روی تلفن بسیار بیشتر، با سقف 20:00 برای هر آهنگ. چیزی آپلود نمی‌شود.