Supprimer la voix

Le mode « Rapide » utilise un modèle de 14 Mo optimisé pour la vitesse — il faut généralement entre 15 et 30 secondes pour un morceau de 4 minutes. Le mode « Qualité » utilise un modèle plus volumineux de 32 Mo, entraîné sur des données plus variées, qui préserve mieux la clarté des basses et gère mieux les queues de réverbération. Choisissez le mode « Rapide » pour des prévisualisations rapides, et le mode « Qualité » pour la production finale.

Un réseau neuronal entraîné à partir de milliers de multipistes professionnelles apprend à distinguer les profils de fréquence de la voix de ceux des instruments. Il traite le spectrogramme audio par segments qui se chevauchent et reconstitue des formes d'onde distinctes pour la voix et les instruments.

Lorsque WebGPU est disponible (sur la plupart des appareils de bureau modernes), l'inférence s'exécute sur votre GPU, ce qui est nettement plus rapide qu'un traitement effectué uniquement par le CPU. Sur les appareils plus anciens, le système bascule automatiquement vers le WASM multithread. Aucune configuration n'est nécessaire.

Le modèle sépare les voix principales et les chœurs de la partie instrumentale. Pour les morceaux où vous souhaitez conserver les harmonies tout en supprimant uniquement la voix principale, les résultats peuvent varier : le modèle traite en effet l'ensemble du contenu vocal de la même manière.

Oui, même s'il est optimisé pour la musique. Pour les enregistrements vocaux accompagnés de musique de fond, il sépare efficacement la voix de l'accompagnement. Pour les enregistrements vocaux accompagnés uniquement de bruits ambiants, un outil dédié à la suppression du bruit peut donner des résultats plus nets.

Sur les appareils mobiles ne disposant pas d'une mémoire GPU suffisante, le traitement est automatiquement transféré vers Cloud Assist — un service de traitement sécurisé côté serveur où les fichiers sont supprimés immédiatement après la fin du traitement. Les utilisateurs d'ordinateurs de bureau effectuent le traitement entièrement sur leur appareil.

La piste vocale isolée et la piste instrumentale sont toutes deux exportées au format WAV sans perte, à la fréquence d'échantillonnage d'origine. Les fichiers conservent la même durée et peuvent être importés directement dans un logiciel de production musicale (DAW).