Rimozione della voce

La modalità "Fast" utilizza un modello da 14 MB ottimizzato per la velocità: in genere occorrono 15-30 secondi per un brano di 4 minuti. La modalità "Quality" utilizza un modello più grande, da 32 MB, addestrato su materiale più vario, più efficace nel preservare la nitidezza dei bassi e nel gestire le code di riverbero. Scegli la modalità "Fast" per anteprime veloci, la modalità "Quality" per la produzione finale.

Una rete neurale addestrata su migliaia di tracce multitraccia professionali impara a separare i modelli di frequenza della voce da quelli degli strumenti. Elabora lo spettrogramma audio in segmenti sovrapposti e ricostruisce forme d'onda separate per la voce e gli strumenti.

Quando WebGPU è disponibile (sulla maggior parte dei dispositivi desktop moderni), l'inferenza viene eseguita sulla GPU, con una velocità notevolmente superiore rispetto all'elaborazione esclusivamente su CPU. Sui dispositivi meno recenti, il sistema ricorre automaticamente al WASM multithread. Non è necessaria alcuna configurazione.

Il modello separa la voce solista e le voci di accompagnamento dalla base strumentale. Per i brani in cui si desidera mantenere le armonie ma rimuovere solo la voce solista, i risultati potrebbero variare: il modello tratta tutto il contenuto vocale allo stesso modo.

Sì, anche se è ottimizzato per la musica. Nel caso di registrazioni vocali con musica di sottofondo, separa efficacemente la voce dall'accompagnamento. Per i discorsi con solo rumore ambientale, uno strumento specifico per la rimozione del rumore potrebbe garantire risultati più puliti.

Sui dispositivi mobili privi di memoria GPU sufficiente, l'elaborazione viene automaticamente indirizzata a Cloud Assist, un sistema di elaborazione sicuro lato server in cui i file vengono eliminati immediatamente dopo il completamento dell'operazione. Gli utenti desktop effettuano l'elaborazione interamente sul proprio dispositivo.

Sia la traccia vocale isolata che quella strumentale vengono esportate in formato WAV senza perdita di dati alla frequenza di campionamento originale. I file mantengono la stessa durata e possono essere caricati direttamente in una DAW.