Ta bort sång från en låt: AI, fasgöring och Audacity
Summary
Tre metoder att ta bort sång från en låt: AI-stemmseparation för snabbhet, fasgöring för precision, eller Audacity center-trick för gratis resultat. Välj metod baserat på din källfil. Förstå att artefakter kommer från gissningar och att copyright inte försvinner vid separation.
Ta bort sång från en låt kan du göra på tre vägar, ordnade efter praktisk användning. AI-stemmseparation är snabbast och renast på moderna mixter. Fasgöring mot en officiell instrumentalversion är exakt men kräver båda filerna. Audacity center-trick är gratis, offline, men tunnt på låga frekvenser. Välj metod baserat på vad du redan har, inte baserat på vad som låter mest avancerat. Och vet redan nu att ingen av dessa metoder rör copyrightskyddet för originalinspelningen.
Vilken metod passar för filen du faktiskt har?
De flesta guider börjar med en verktygslista. Börja med filen istället, för källan avgör takräntningen på kvaliteten innan någon programvara körs.
Om du bara har originallinjen och inget annat, använd en AI-separator. Om du har fullmixen och en officiell instrumentalversion av samma master, slår fasgöring vilken modell som helst. Om sången är en torr monoinspelning centrerad helt i mitten och du bara behöver ett grovt backatrack för repetiton, räcker Audacity-effekten.
Fullmix bara, vilken genre som helst: AI-stemmseparation. Ren på glesa mixter, vattning i täta refränger.
Fullmix plus officiell instrumental (samma master): Fasgöring. Nästan exakt isolerad sång, om sampelallen är perfekt.
Fullmix med centeradpannad sång: Audacity Vocal Reduction. Sången faller ut, men bass och kick tunnas också ut.
Sessionsnoten: en förlustfri WAV eller FLAC skiljs alltid bättre än en låg-bithastighets MP3. Kompressionsartefakter blir fellästa som delar av mixen, och modellen skapar då felaktiga stems.
Hur tar AI-stemmseparation faktiskt bort sången?
En separationsmodell tränas på stora samlingar av låtar där de enskilda delarna var kända, så den lärde sig hur en röst ser ut inuti en fullmix. Du laddar upp ett spår, modellen konverterar det till en spektrogram (en karta över vilka frekvenser som spelas när), uppskattar vilken energi som tillhör rösten, och återskapar varje uppskattning som sin egen ljudfil.
Läs det igen: den uppskattar. Modellen extraherar inte ett dolt sångspår från filen. Den rekonstruerar ett, vilket är varför utdatan är nära men aldrig exakt.
Referenspunkten för öppen källkod är Metas Demucs, som många konsumentverktyg är byggda på. Projektet rapporterar ungefär 9 dB signal-till-distorsionsförhållande (SDR) på MUSDB18 HQ-testmängden för sin hybrid transformermodell, med 9,20 dB för den fintunade varianten. SDR är en logaritmisk poäng, så några få dB är en stor hörbara skillnad. Ungefär samhällsvägledning läser det såhär: över 8 dB användbar i de flesta sammanhang, 2 till 5 dB med hörbara artefakter. Behandla dessa band som en tumregel, inte en standard. Arkivet stängdes i januari 2025, så det är stabilt men inte längre utvecklat, och nyare kommersiella verktyg har fortsatt att röra sig framåt.
Arbetsflödet är kort:
Börja med bästa källan du kan få (förlustfri om den finns, studiversion före live-inspelning).
Ladda upp till en separator, eller kör Demucs lokalt med en två-stem-uppdelning (röst och allt annat).
Förhandsgranska båda utgångarna innan du laddar ner något.
Solo refrängen. Det är där arrangemanget är tätast och separationen bryter först.
Exportera instrumentalversionen i det format ditt projekt behöver så du inte konverterar två gånger.
Här är hur utgången faktiskt låter i sammanhang: glesa verser kommer ut rena, medan ett refräng med staplade harmonier över en bred pad lämnar en svag smörja där sången var. Den smörjan är modellens bästa gissning på överlappande frekvenser. Reverb-svansar är den andra upprepade brottslingen, eftersom ekot från en röst fortfarande är en röst så långt matematiken är berörda.
När slår fasgöring fortfarande?
Fasgöring är den gamla metoden, och det är fortfarande den enda som kan vara exakt. Två identiska vågformer spelade 180 grader ur fas producerar tystnad. Så om du håller fullmixen och en instrumental från samma master, inverterar polarmiteten för instrumentalversionen, och raderar upp båda till sampeln, allt som sporren delar avbryter. Det som blir kvar är sången.
I Ableton Live laddar du båda filerna på separata spår, sätter Utility-enheten på instrumentalversionen och vänder båda fasknappar. I Logic Pro gör Gain-pluginet samma jobb. Sedan samplar eller bouncear du resultatet.
Villkoren är strikta:
Samplainställning. Ett prov av offset och avbrottet förvandlas till ett kammfiltrerat kaos.
Samma master. En annan gränsningsplacering eller en slumpmässig modulationseffekt bryter nollningen.
Förlustfria filer. Förluststarka codecs lägger till skillnader som inte avbryter.
Det är varför fasgöring är ett producentverktyg och inte ett konsumentverktyg. Instrumentalversioner skeppas med massor av singlar, och om du har båda kan du dra ett rent acapella på minuter. Om du bara har mixen, hoppa till nästa avsnitt.
Vad gör Audacity-metoden egentligen?
Audacity erbjuder två vägar. Den första är effekten Vocal Reduction och Isolation, som finns under Effect, sedan Special. Ställ åtgärden på Remove Vocals och använd. Den andra är den manuella versionen: dela stereo-spåret, välj en kanal, använd Invert, och spela båda kanaler tillsammans. Allt identiskt i vänster och höger avbryts.
Båda vägarna exploaterar en mixing-konvention, inte en egenskap hos rösten. Huvudsånger sitter vanligtvis rakt i mitten, så centeravbrytning tar bort dem. Men trumorna och basen sitter också ofta rakt i mitten, och de försvinner med den. Det är det låga frågandet som alla klagar på efter att ha använt det här tricket. Effekten gjorde exakt vad du bad. Mixen hade bara mer än en sång som levde i mitten.
Det misslyckas också på stereospridningsröster, dubbelsporade breda röster, och allt genomdränkt i stereoreverb. Det finns ingenting centrerat att avbryta. Den officiella Audacity-manualsidan om Vocal Reduction och Isolation listar inställningarna och nämner ett plugin-baserat separationsalternativ om du vill ha modellgrads resultat utan att lämna appen.
Hoppa över denna metod om låten är en modern pop-mix. Värd det om du vill ha en grov karaoke-pass på en 1970-talsstereoinspeining med en hardcentrerad sång, offline, på två minuter.
Varför låter instrumentalversionen tunn, vattnig eller robotic?
För att varje metod gissar, och artefakterna visar gissningen. En färdig låt lagras inte som separata delar.
Orsakerna är konsekventa mellan verktygen:
Överlappande frekvenser. Där sången delar utrymme med en gitarr, ett strängblock eller en cembalo-tvättning, bestämmer modellen vilken sida av linjen den energin faller på. Vad det än skär felaktigt blir den vattniga smörjan.
Reverb- och förseningssvansar. De tillhör rösten akustiskt, så de dras in i sångstammen eller lämnas som spöken i instrumentalversionen.
Höga masters. Kraftigt begränsade mixter ger modellen mindre dynamisk kontrast för att säga isär delar. En dynamisk äldre master skiljer sig vanligtvis bättre än en högt modern.
Förluststarka källor. Codec-artefakter staplas ovanpå allt annat.
Du kan minska skadan i efterproduktion. En mild notch EQ på instrumentalversionen, ett de-reverb-pass och en liten mängd transientformning på trummor återställer en överraskande mängd. Men sätt målet ärligt: att helt ta bort en sång från en blandad låt är vanligtvis omöjlig. Målet är ett resultat som är rent nog för din användning, och repetiton är en mycket lägre ribba än en version.
Sessionsnoten: lyssna alltid med sångstammen enliggande såväl som instrumentalversionen. De läckta bitarna av trummor och gitarr i sångstammen säger dig exakt vad modellen fick fel.
Kan du publicera en instrumentalversion du gjort på det här sättet?
Nej, att ta bort sångerna tar inte bort copyrightskyddet. Instrumentalversionen är fortfarande samma skyddade ljudinspelning och samma skyddade komposition, med en del tysstad. I USA-lag passar en modifierad version av en låt definitionen av ett derivativverk, och rätten att göra derivativverk tillhör copyrightinnehavaren. Den amerikanska copyrightoffices cirkuläre om derivativverk är startpunkten för klarspråk. Det här är inte juridisk rådgivning, och jurisdiktioner skiljer sig.
Den praktiska linjen är övning kontra publicering. Att köra ett spår genom en separator för att repetera över backingen hemma är en situation. Att sätta den instrumentalversionen i en monetariserad uppladdning är en annan, och plattformar matchar instrumentalversioner mot deras källinspelningar automatiskt.
Om slutmålet är en publicerbar instrumental, är de renare rutterna licensierad musik som levereras med stems, ditt eget material, eller ett spår du ställde in. Att tysta en vocalstamm du fick rättigheter att använda är en sann instrumental med noll rekonstruktion.
Den renare vägen: baka aldrig in sången
Ibland är det bättre att aldrig baka in sången. Om du genererar musik med AI levererar båda de stora generatorerna stems, så sång och backatrack kommer separat.
Sunos Pro-nivå inkluderar stemmseparation, och Udios Standard- och Pro-nivåer inkluderar stem-nedladdningar. Det ger dig en riktig instrumental utan rekonstruktionspass, och de kommersiella rättigheterna anges på planen istället för gissade.
Hoppa över denna väg om du behöver en specifik befintlig låt. Värd det om vad du faktiskt behöver är ett backatrack som matchar ett sinnesstämning och tempo.
Vad gör du när sången är borta?
Borttagning är vanligtvis steg ett av något annat. Tre uppföljare dyker upp konstant på subredditen audio.engineering och i game dev-forum.
Du vill städa upp en talfödd stam. Efter separationen är en sångstam sällan utsändningsredo. Descrits Studio Sound och filler-ordverktyg är ett vanligt sätt att städa upp talat material efteråt, även om de är byggda för tal, inte sungna linjer, och den fria nivån är begränsad till en timme transcribering.
Du vill ha en ny sång över instrumentalversionen. Det här är arbetsflödet där röstkloning inträder i bilden: ett backatrack med en ny ledande linje, en guide sång för en demo, eller en lokaliserad version av en jingle. ElevenLabs är långtidsreferensen för röstkloning och flerspråkig berättelse, och den har en fri nivå på 10 000 tecken per månad plus betalplaner från $22 per månad. Oavsett vilket verktyg du använder, klona bara röster du har samtycke att klona, och kontrollera licensieringstermerna för backatinget innan du publicerar något.
Du vill studera mixen. Det här är den bästa användningen av stemmseparation. Solo trummor, bas eller sång på ett band du beundrar och lär dig hur delarna sitter tillsammans: kompressorbelopp, panorering, reverb-skicka. För det jobbet är en 8 dB-separation mer än tillräcklig.
Innan din nästa session
Här är den korta beslutvägen, kondenserad till vad som spelar roll.
Har du en officiell instrumental från samma master? Null den med fasgöring. Bara fullmixen? Kör en separator och förhandsgranska refrängen innan du säger ja. Arbetar med en hardcentrerad sång på en äldre stereoinspeining och behöver bara ett reperations backatrack? Använd Audacity och acceptera det tunna låga änden.
Ställ sedan två förväntningar innan du exporterar. För det första är artefakter gissningen som visar, så lyssna på stammen du tog bort såväl som den du behöll. För det andra stannar copyrightskyddet på låten där det var. Använd separerat ljud för övning, remixning av ditt eget material och studier, och licensiera allt du planerar att publicera.