Utilia

Uklanjanje vokala iz pesme

Ukloni vokal iz stereo pesme u pregledaču poništavanjem centralnog kanala, zadrži bas ili okvirno izdvoji glas. Preuzmi kao WAV ili MP3.

Ovo je jednostavan trik sa fazom, a ne razdvajanje izvora pomoću veštačke inteligencije: uklanja ili zadržava ono što je u stereo miksu postavljeno tačno u sredinu. Najbolje radi na studijskim snimcima sa centriranim glavnim vokalom, a deo reverba, prateći vokali ili centrirani instrumenti ostaće ili će biti pogođeni.

Dužina
–
Kanali
–
Frekvencija uzorkovanja
–
L/D korelacija
–
Šta da se uradi

Kako se uklanja vokal iz pesme

  1. Prevuci stereo pesmu na polje za prevlačenje (MP3, WAV, M4A, OGG, FLAC…). Dekodira se u tvom pregledaču i nikada se ne otprema.
  2. Proveri podatke o fajlu: u polju Kanali mora da piše Stereo. Možeš da pustiš Original da kasnije uporediš.
  3. Izaberi Ukloni vokal (karaoke / instrumental) ili Izdvoji vokal (okvirno).
  4. Za karaoke ostavi uključeno Zadrži bas i bas-bubanj i po potrebi podesi Granicu basa (Hz) (150 Hz je dobar početak).
  5. Izaberi Format (WAV ili MP3) i pritisni Obradi.
  6. Poslušaj plejer Rezultat, pa pritisni Preuzmi.

Kako radi poništavanje centralnog kanala

U većini studijskih miksova glavni vokal je postavljen u sredinu: isti signal šalje se na levi i desni kanal. Gitare, klavijature, prateći vokali i stereo reverbi obično su raspoređeni po stranama. Ako oduzmeš desni kanal od levog, (L − D) / 2, sve što je identično u oba kanala se poništava, a ostaje „bočni“ signal: instrumenti koji se razlikuju između levog i desnog.

To je ceo trik iza klasičnih „karaoke“ dugmeta na hi-fi uređajima i upravo to ovaj alat radi. To je trik sa fazom, a ne razdvajanje izvora pomoću veštačke inteligencije: alat ne zna šta je glas, već samo uklanja ono što je u sredini.

Caka je što su i bas gitara i bas-bubanj miksovani u centru, pa obično poništavanje ostavlja tanak rezultat. Uz Zadrži bas i bas-bubanj, alat deli zvuk na graničnoj frekvenciji pomoću Linkwitz–Riley filtera 4. reda (dva kaskadna Butterworth bikvada, koje pregledač renderuje bez reprodukcije pomoću Web Audio mehanizma). Ispod granice zadržava srednji signal (L + D) / 2, gde živi bas; iznad nje zadržava bočni signal. Dva opsega se ponovo sabiraju bez ispupčenja i udubljenja. Viša granica vraća više niskih tonova, ali i više najnižeg dela muškog glasa.

Izdvajanje glasa (okvirno)

Izdvoji vokal (okvirno) radi suprotno pomoću kratkotrajne Furijeove transformacije: za svaki mali isečak vremena i svaku frekvenciju zadržava srednji signal i oduzima od njega veličinu bočnog signala. Zvukovi koji su jednako glasni u oba kanala preživljavaju; široki zvukovi se utišavaju. Frekvencije ispod 80 Hz i iznad 12 kHz uklanjaju se jer retko sadrže glas. Očekuj grub, „vodnjikav“ rezultat sa ponekim centriranim instrumentom: koristan je za vežbu ili da čuješ tekst, a ne za čist a cappella.

Ograničenja

  • Mono fajl (ili stereo fajl čija su oba kanala identična) ne može da radi: oduzimanje dva jednaka kanala ostavlja tišinu. Alat ti kaže kada se to desi.
  • Snimci uživo, stariji stereo miksovi sa glasom na jednoj strani i jak stereo reverb na glasu daju slabije rezultate.
  • Rezultat je mono (oba kanala su ista), a njegov nivo je normalizovan na vrh od −1 dBFS.

Česta pitanja

Da li se moja pesma otprema na server?

Ne. Dekodiranje, obrada i kodiranje odvijaju se u tvom pregledaču. Fajl nikada ne napušta tvoj uređaj.

Zašto i dalje slabo čujem pevača?

Reverb i jeka na glasu često su raspoređeni u stereu, pa se ne poništavaju. Prateći i udvojeni vokali postavljeni levo i desno takođe ostaju. To je granica trika sa fazom.

Zašto je rezultat mono?

Bočni signal (L − D) je jedan kanal. Alat ga upisuje u oba kanala izlaza da ravnomerno svira na bilo kom uređaju.

Šta znači „L/D korelacija“?

Meri koliko su dva kanala slična, od 1 (identični, mono) do 0 (nepovezani). Vrednost bliska 1 znači da je većina miksa u centru i da će malo ostati nakon uklanjanja vokala.

Da li je ovo dobro kao razdvajanje vokala pomoću veštačke inteligencije?

Ne. Alati zasnovani na veštačkoj inteligenciji prepoznaju glasove pomoću obučenih modela i daju mnogo čistije staze. Ovaj alat je trenutan, privatan i bez modela, ali može samo da ukloni ili zadrži ono što je u centru stereo slike.