Remover voz de música

Como remover a voz de uma música

1. Larga uma música em estéreo na zona de largada (MP3, WAV, M4A, OGG, FLAC…). É descodificada no navegador e nunca é enviada.
2. Verifica os detalhes do ficheiro: Canais tem de indicar Estéreo. Podes reproduzir o Original para comparar mais tarde.
3. Escolhe Remover a voz (karaoke / instrumental) ou Isolar a voz (aprox.).
4. Para karaoke, deixa Manter o baixo e o bombo assinalado e ajusta a Frequência de cruzamento dos graves (Hz) se for preciso (150 Hz é um bom ponto de partida).
5. Escolhe o Formato (WAV ou MP3) e carrega em Processar.
6. Ouve o leitor Resultado e depois carrega em Transferir.

Como funciona o cancelamento do canal central

Na maioria das misturas de estúdio, a voz principal fica panoramizada ao centro: o mesmo sinal é enviado para os canais esquerdo e direito. As guitarras, os teclados, os coros e as reverberações estéreo costumam estar distribuídos pelos lados. Se subtraíres o canal direito ao esquerdo, (L − R) / 2, tudo o que é idêntico nos dois canais anula-se, e o que resta é o sinal «lateral»: os instrumentos que diferem entre a esquerda e a direita.

É todo o truque por trás dos clássicos botões de «karaoke» das aparelhagens de alta-fidelidade, e é exatamente o que esta ferramenta faz. É um truque de fase, não uma separação de fontes por IA: a ferramenta não sabe o que é uma voz, apenas remove o que está ao meio.

O senão é que o baixo e o bombo também estão misturados ao centro, por isso um cancelamento simples dá um resultado magro. Com Manter o baixo e o bombo, a ferramenta divide o áudio na frequência de cruzamento com filtros Linkwitz–Riley de 4.ª ordem (dois biquads Butterworth em cascata, processados offline pelo motor Web Audio do navegador). Abaixo do cruzamento mantém o sinal central (L + R) / 2, onde vive o baixo; acima, mantém o sinal lateral. As duas bandas voltam a somar-se sem picos nem vales. Uma frequência de cruzamento mais alta recupera mais graves, mas também mais da parte mais grave de uma voz masculina.

Isolar a voz (aproximado)

Isolar a voz (aprox.) faz o contrário com uma transformada de Fourier de curta duração: para cada pequena fatia de tempo e cada frequência, mantém o sinal central e subtrai-lhe a amplitude do sinal lateral. Os sons igualmente fortes nos dois canais sobrevivem; os sons largos são atenuados. As frequências abaixo de 80 Hz e acima de 12 kHz são removidas, porque raramente contêm voz. Conta com um resultado grosseiro, «aguado», com alguns instrumentos centrais pelo meio: é útil para praticar ou para perceber uma letra, não para um a cappella limpo.

Limites

• Um ficheiro mono (ou um ficheiro estéreo com os dois canais idênticos) não pode funcionar: subtrair dois canais iguais dá silêncio. A ferramenta avisa-te quando isso acontece.
• Gravações ao vivo, misturas estéreo antigas com a voz de um só lado e muita reverberação estéreo na voz dão resultados mais fracos.
• O resultado é mono (os dois canais são iguais) e o nível é normalizado para um pico de −1 dBFS.