Αφαίρεση φωνής

Η λειτουργία «Fast» χρησιμοποιεί ένα μοντέλο 14 MB βελτιστοποιημένο για ταχύτητα — συνήθως 15-30 δευτερόλεπτα για ένα τραγούδι διάρκειας 4 λεπτών. Η λειτουργία «Quality» χρησιμοποιεί ένα μεγαλύτερο μοντέλο 32 MB, το οποίο έχει εκπαιδευτεί σε πιο ποικίλο υλικό και είναι πιο αποτελεσματικό στη διατήρηση της καθαρότητας των μπάσων και στη διαχείριση των ουρών αντήχησης. Επιλέξτε τη λειτουργία «Fast» για γρήγορες προεπισκοπήσεις και τη λειτουργία «Quality» για χρήση στην τελική παραγωγή.

Ένα νευρωνικό δίκτυο που έχει εκπαιδευτεί σε χιλιάδες επαγγελματικές πολυκάναλες ηχογραφήσεις μαθαίνει να διαχωρίζει τα συχνότητικά μοτίβα των φωνητικών από αυτά των οργάνων. Επεξεργάζεται το ηχητικό φαστογράφημα σε επικαλυπτόμενα τμήματα και ανασυνθέτει ξεχωριστές κυματομορφές για τα φωνητικά και τα όργανα.

Όταν το WebGPU είναι διαθέσιμο (στις περισσότερες σύγχρονες επιτραπέζιες συσκευές), η επεξεργασία δεδομένων πραγματοποιείται στην GPU σας — με σημαντικά μεγαλύτερη ταχύτητα σε σύγκριση με την επεξεργασία που γίνεται αποκλειστικά από την CPU. Σε παλαιότερες συσκευές, η εφαρμογή μεταβαίνει αυτόματα σε WASM πολλαπλών νημάτων. Δεν απαιτείται καμία ρύθμιση.

Το μοντέλο διαχωρίζει τα κύρια φωνητικά και τα δεύτερα φωνητικά από το ορχηστρικό μέρος. Σε κομμάτια όπου θέλετε να διατηρήσετε τις αρμονίες αλλά να αφαιρέσετε μόνο τα κύρια φωνητικά, τα αποτελέσματα ενδέχεται να διαφέρουν — το μοντέλο αντιμετωπίζει όλο το φωνητικό περιεχόμενο με τον ίδιο τρόπο.

Ναι, αν και έχει βελτιστοποιηθεί για μουσική. Για ομιλία με μουσική υπόκρουση, διαχωρίζει αποτελεσματικά τη φωνή από τη συνοδεία. Για ομιλία με μόνο θόρυβο περιβάλλοντος, ένα εξειδικευμένο εργαλείο αφαίρεσης θορύβου μπορεί να προσφέρει καθαρότερα αποτελέσματα.

Σε κινητές συσκευές που δεν διαθέτουν επαρκή μνήμη GPU, η επεξεργασία μεταφέρεται αυτόματα στο Cloud Assist — μια ασφαλή επεξεργασία από την πλευρά του διακομιστή, όπου τα αρχεία διαγράφονται αμέσως μετά την ολοκλήρωση της διαδικασίας. Οι χρήστες επιτραπέζιων υπολογιστών πραγματοποιούν την επεξεργασία εξ ολοκλήρου στη συσκευή τους.

Τόσο το απομονωμένο φωνητικό κομμάτι όσο και το ορχηστρικό κομμάτι εξάγονται ως αρχεία WAV χωρίς απώλειες, με τον αρχικό ρυθμό δειγματοληψίας. Τα αρχεία διατηρούν την ίδια διάρκεια και μπορούν να φορτωθούν απευθείας σε ένα DAW.