वोकल रिमूवर

फ़ास्ट मोड गति के लिए अनुकूलित 14 MB मॉडल का उपयोग करता है — आमतौर पर 4 मिनट के गाने के लिए 15-30 सेकंड लगते हैं। क्वालिटी मोड 32 MB के बड़े मॉडल का उपयोग करता है जिसे अधिक विविध सामग्री पर प्रशिक्षित किया गया है, जो बास की स्पष्टता बनाए रखने और रीवर्ब टेल्स को संभालने में बेहतर है। त्वरित प्रीव्यू के लिए फ़ास्ट चुनें, और अंतिम प्रोडक्शन उपयोग के लिए क्वालिटी चुनें।

हज़ारों पेशेवर मल्टीट्रैक्स पर प्रशिक्षित एक न्यूरल नेटवर्क, वाद्य यंत्रों से वोकल्स के फ़्रीक्वेंसी पैटर्न को अलग करना सीखता है। यह ऑडियो स्पेक्ट्रोग्राम को ओवरलैपिंग चंक्स में प्रोसेस करता है और अलग-अलग वोकल और इंस्ट्रुमेंटल वेवफॉर्म का पुनर्निर्माण करता है।

जब WebGPU उपलब्ध होता है (ज़्यादातर आधुनिक डेस्कटॉप डिवाइस में), तो अनुमान (inference) आपके GPU पर चलता है — जो केवल CPU प्रोसेसिंग की तुलना में काफ़ी तेज़ होता है। पुराने उपकरणों पर, यह स्वचालित रूप से मल्टी-थ्रेडेड WASM पर वापस आ जाता है। किसी कॉन्फ़िगरेशन की आवश्यकता नहीं है।

यह मॉडल इंस्ट्रुमेंटल से लीड और बैकिंग वोकल्स दोनों को एक साथ अलग करता है। जिन ट्रैक्स में आप हारमनी रखना चाहते हैं लेकिन केवल लीड वोकल हटाना चाहते हैं, उनके लिए परिणाम भिन्न हो सकते हैं — मॉडल सभी वोकल सामग्री को एक समान मानता है।

हाँ, हालाँकि इसे संगीत के लिए अनुकूलित किया गया है। बैकग्राउंड म्यूज़िक के साथ बोले गए शब्दों के लिए, यह आवाज़ को संगीत से प्रभावी ढंग से अलग करता है। केवल परिवेशी शोर (ambient noise) वाले भाषण के लिए, एक समर्पित नॉइज़ रिमूवल टूल अधिक स्पष्ट परिणाम दे सकता है।

पर्याप्त GPU मेमोरी के बिना मोबाइल उपकरणों पर, प्रोसेसिंग स्वचालित रूप से क्लाउड असिस्ट (Cloud Assist) पर रूट हो जाती है — सुरक्षित सर्वर-साइड प्रोसेसिंग जहाँ काम पूरा होने के तुरंत बाद फ़ाइलें हटा दी जाती हैं। डेस्कटॉप उपयोगकर्ता पूरी तरह से ऑन-डिवाइस प्रोसेस करते हैं।

अलग किए गए वोकल ट्रैक और इंस्ट्रुमेंटल ट्रैक दोनों को मूल सैंपल रेट पर दोषरहित (lossless) WAV के रूप में एक्सपोर्ट किया जाता है। फ़ाइलें समान अवधि बनाए रखती हैं और उन्हें सीधे DAW में लोड किया जा सकता है।