Eliminador de voces

El modo «Rápido» utiliza un modelo de 14 MB optimizado para la velocidad; suele tardar entre 15 y 30 segundos en procesar una canción de 4 minutos. El modo «Calidad» utiliza un modelo más grande, de 32 MB, entrenado con material más variado, que conserva mejor la claridad de los graves y gestiona mejor las colas de reverberación. Elige «Rápido» para previsualizaciones rápidas y «Calidad» para la producción final.

Una red neuronal entrenada con miles de pistas multipista profesionales aprende a separar los patrones de frecuencia de las voces de los de los instrumentos. Procesa el espectrograma de audio en fragmentos superpuestos y reconstruye formas de onda independientes para las voces y los instrumentos.

Cuando WebGPU está disponible (en la mayoría de los dispositivos de sobremesa modernos), la inferencia se ejecuta en la GPU, lo que resulta considerablemente más rápido que el procesamiento exclusivo en la CPU. En dispositivos más antiguos, se recurre automáticamente al WASM multihilo. No es necesaria ninguna configuración.

El modelo separa las voces principales y de acompañamiento del acompañamiento instrumental. En las pistas en las que se quiera conservar las armonías pero eliminar únicamente la voz principal, los resultados pueden variar, ya que el modelo trata todo el contenido vocal de la misma manera.

Sí, aunque está optimizada para música. En el caso de la voz con música de fondo, separa eficazmente la voz del acompañamiento. Para el habla con solo ruido ambiental, una herramienta específica de eliminación de ruido puede ofrecer resultados más nítidos.

En los dispositivos móviles que no dispongan de suficiente memoria de la GPU, el procesamiento se redirige automáticamente a Cloud Assist, un sistema de procesamiento seguro del lado del servidor en el que los archivos se eliminan inmediatamente tras finalizar el proceso. Los usuarios de ordenadores de sobremesa realizan todo el procesamiento en el propio dispositivo.

Tanto la pista vocal aislada como la pista instrumental se exportan en formato WAV sin pérdida de calidad, a la frecuencia de muestreo original. Los archivos conservan la misma duración y pueden cargarse directamente en un DAW.