Vocal Remover

Der „Fast“-Modus verwendet ein auf Geschwindigkeit optimiertes 14-MB-Modell – in der Regel dauert die Bearbeitung eines 4-minütigen Songs 15 bis 30 Sekunden. Der „Quality“-Modus nutzt ein größeres 32-MB-Modell, das mit vielfältigerem Material trainiert wurde und die Klarheit der Bässe besser bewahrt sowie Nachhallschwänze besser verarbeitet. Wählen Sie „Fast“ für schnelle Vorschauen und „Quality“ für die endgültige Produktion.

Ein neuronales Netzwerk, das anhand Tausender professioneller Multitrack-Aufnahmen trainiert wurde, lernt, die Frequenzmuster von Gesang und Instrumenten voneinander zu trennen. Es verarbeitet das Audiospektrogramm in überlappenden Abschnitten und rekonstruiert separate Wellenformen für Gesang und Instrumente.

Wenn WebGPU verfügbar ist (auf den meisten modernen Desktop-Geräten), wird die Inferenz auf Ihrer GPU ausgeführt – deutlich schneller als bei einer reinen CPU-Verarbeitung. Auf älteren Geräten wird automatisch auf multithreaded WASM zurückgegriffen. Es ist keine Konfiguration erforderlich.

Das Modell trennt den Lead- und den Begleitsang gemeinsam vom Instrumentalteil. Bei Titeln, bei denen Sie die Harmonien beibehalten, aber nur den Lead-Gesang entfernen möchten, können die Ergebnisse variieren – das Modell behandelt alle Gesangsanteile gleich.

Ja, allerdings ist es für Musik optimiert. Bei gesprochenem Wort mit Hintergrundmusik trennt es die Stimme effektiv von der Begleitung. Bei Sprache, bei der nur Umgebungsgeräusche zu hören sind, liefert ein spezielles Tool zur Geräuschunterdrückung möglicherweise sauberere Ergebnisse.

Auf Mobilgeräten ohne ausreichenden GPU-Speicher wird die Verarbeitung automatisch an Cloud Assist weitergeleitet – eine sichere serverseitige Verarbeitung, bei der die Dateien unmittelbar nach Abschluss gelöscht werden. Bei Desktop-Nutzern erfolgt die Verarbeitung vollständig auf dem Gerät.

Sowohl die isolierte Gesangsspur als auch die Instrumentalspur werden als verlustfreie WAV-Dateien mit der ursprünglichen Abtastrate exportiert. Die Dateien haben dieselbe Dauer und können direkt in eine DAW geladen werden.