म्यूज़िक से वोकल अलग करें: बीट और आवाज़ अलग-अलग निकालें

वोकल सेपरेटर कैसे काम करता है

आप एक गाना अपलोड करते हैं, एक GPU सर्वर पूरे ट्रैक पर वोकल सेपरेटर चलाता है, और आपको दो MP3 फ़ाइलें वापस मिलती हैं: बीट (आवाज़ को छोड़कर सब कुछ) और वोकल (सिर्फ़ आवाज़)। वोकल सेपरेटर गाने को बैंड-दर-बैंड और पल-पल देखता है, और तय करता है कि कौन सी ऊर्जा इंसानी आवाज़ की है और कौन सी वाद्यों की।

एक बात जिस पर लोग शायद ही ध्यान देते हैं: अलग किया गया वोकल पूरी ख़ामोशी बनाए रखता है। जिन गानों को हमने मापा, उनमें अलग किए गए वोकल की अवधि का 23 से 39% हिस्सा पूरी तरह ख़ामोश था, ठीक वहीं जहाँ गायक रुकता है। इसलिए जब आप अलग किए गए वोकल को रीमिक्स करते हैं, तो पूरे गाने में बैकग्राउंड शोर की परत साथ नहीं घसीटते।

MuziAI AI कवर के पहले चरण में भी यही सेपरेटर इस्तेमाल करता है, इसलिए दोनों टूल में बीट की गुणवत्ता एक जैसी है: एक ही फ़ाइल को दोनों रास्तों से चलाने पर बीट हूबहू एक जैसी निकलती है।

कितना समय लगता है

अलग करने में प्रति गाना लगभग 60 से 75 सेकंड की प्रोसेसिंग लगती है। अपलोड और डाउनलोड मिलाकर पेज 1 से 2 मिनट का अनुमान दिखाता है। लंबे गाने ज़्यादा समय लेते हैं, जैसा ये माप दिखाते हैं:

हर व्यक्ति एक बार में एक गाना अलग कर सकता है। जब GPU दूसरे काम में व्यस्त हो, तो काम शुरू होने से पहले पर्याप्त मेमोरी मिलने तक इंतज़ार करता है, और मेमोरी की कमी से विफल हो जाए तो ख़ुद दोबारा कोशिश करता है, इसलिए कभी-कभी कतार बन जाती है। MuziAI पर बने गाने सीधे गाने के पेज से अलग किए जा सकते हैं, अपलोड की ज़रूरत नहीं।

अलग करने की गुणवत्ता: मापे गए आँकड़े

कोई सेपरेटर कितना अच्छा है, यह जानने के लिए ऐसा मामला चाहिए जिसका जवाब पहले से पता हो। हमने एक साफ़ वोकल को एक गाने की असली बीट में मिलाया, फिर सेपरेटर से उसे वापस निकलवाया। अलग किया गया वोकल मूल साफ़ वोकल से 19.9 dB SDR पर मेल खाया। आसान शब्दों में, ग़लती ऊर्जा में असली वोकल से लगभग सौ गुना छोटी है।

दूसरी दिशा भी मापी गई: जब एक टेस्ट गाने की बीट को फिर से अलग किया गया, तो बीट में बची मूल आवाज़ सिर्फ़ −70 LUFS पर थी, जो व्यवहार में सुनाई ही नहीं देती।

हमने इसकी जगह काराओके के लिए ख़ास सेपरेटर और डी-रीवर्ब के साथ जुड़ा सेपरेटर भी आज़माया। दोनों ने ज़्यादा गंदा वोकल दिया (स्पेक्ट्रल नॉइज़ 0.0085, जबकि मौजूदा का 0.0070)। इसलिए हमने जो कुछ मापा, उसमें मौजूदा सेपरेटर ही अब भी सबसे अच्छा विकल्प है।

सीमाएँ: कब अलग करना कम पड़ता है

• घनी हार्मनी और कोरस-समूह। कई आवाज़ें एक-दूसरे पर हों तो मुख्य वोकल और बैकिंग के बीच की रेखा धुंधली हो जाती है; बीट में हार्मनी की गूँज रह सकती है।
• आवाज़ की ही रेंज में इलेक्ट्रॉनिक संगीत। वोकल रेंज में बैठे सिंथ या लीड साउंड आसानी से ग़लत तरफ़ चले जाते हैं, इसलिए हल्का रिसाव (bleed) सुनाई दे सकता है।
• कटी हुई बैंडविड्थ वाली फ़ाइलें। कई बार कंप्रेस की गई बहुत सी फ़ाइलें आप तक पहुँचने से पहले ही लगभग 16 kHz पर कट चुकी होती हैं। सेपरेटर वह नहीं जोड़ सकता जो स्रोत में है ही नहीं: एक टेस्ट फ़ाइल से मिली बीट 18.0 kHz तक पहुँची, बिल्कुल अपने स्रोत जितनी; भारी कंप्रेस की गई फ़ाइल से मिली बीट 16.0 kHz पर कटी थी। अगर बीट दबी-दबी लगे, तो वजह स्रोत फ़ाइल है।
• स्पीकर से दोबारा रिकॉर्ड की गई या भारी कंप्रेस की गई फ़ाइलें। कमरे की गूँज और कंप्रेशन के निशान वोकल और संगीत दोनों से चिपके रहते हैं और अलग नहीं किए जा सकते।
• कोई भी अलगाव परफ़ेक्ट नहीं होता। आवाज़ और संगीत एक ही फ़्रीक्वेंसी रेंज में एक-दूसरे पर चढ़े होते हैं, इसलिए कहीं-कहीं बीट में वोकल का निशान, या वोकल में संगीत का निशान रह सकता है।

सुझाव: उच्च गुणवत्ता वाली मूल फ़ाइल इस्तेमाल करें (320 kbps वाली MP3, M4A, WAV या FLAC)। गिटार, पियानो और एक आवाज़ वाली acoustic रिकॉर्डिंग आम तौर पर सबसे साफ़ अलग होती हैं।

नतीजे का क्या करें

• ऑटो मिक्स। बीट और एक वोकल रिकॉर्डिंग को ऑटो मिक्स पेज पर डालें: वह फ़िल्टर करता है, EQ लगाता है, कंप्रेस करता है, रीवर्ब जोड़ता है, वोकल और संगीत का संतुलन बनाता है और −14 LUFS पर मास्टर करता है। वोकल संतुलन का संदर्भ असली अलग-अलग ट्रैक वाले 144 गानों से आता है। सब कुछ आपके ब्राउज़र में चलता है; 4 मिनट के गाने में लगभग 12 सेकंड लगते हैं और आपकी फ़ाइलें आपके डिवाइस से बाहर नहीं जातीं।
• म्यूज़िक मिक्सर। «मिक्सर में खोलें» बटन अभी अलग की गई बीट और वोकल को पहले से लोड कर देता है। आप हर ट्रैक के लिए वॉल्यूम, पैन, म्यूट और सोलो सेट करते हैं और WAV एक्सपोर्ट करते हैं, यह भी सीधे ब्राउज़र में।
• फिर से गाएँ। बीट को काराओके के लिए इस्तेमाल करें, या गाने को AI कवर पर ले जाकर मूल बीट पर अपनी आवाज़ में गवाएँ।
• संगीत के रिसाव वाला वोकल ट्रैक साफ़ करना। MuziAI ख़ुद सेपरेटर का ऐसे इस्तेमाल करता है: गिटार और ड्रम के रिसाव वाले एक वोकल ट्रैक का बीट-लॉकिंग स्कोर 0.736 था, और सेपरेटर के बाद वह 0.257 पर आ गया, असली इंसानी गायक (0.254) के बराबर।
• वोकल अभ्यास और अरेंजमेंट सीखना। साँस और वाक्यांश पकड़ने के लिए सिर्फ़ वोकल सुनें; bass, ड्रम और हार्मनी कैसे बने हैं, यह सुनने के लिए सिर्फ़ बीट सुनें।

गोपनीयता

आपकी अपलोड की गई फ़ाइल अलग करने का काम पूरा होते ही मिटा दी जाती है। अलग की गई दोनों फ़ाइलें 24 घंटे बाद अपने आप मिट जाती हैं; वे एक निजी लिंक पर रहती हैं, कोई सार्वजनिक पेज उनकी ओर इशारा नहीं करता, और फ़ाइलों पर ऐसा निशान लगा होता है कि सर्च इंजन उन्हें इंडेक्स न करें। आप जो रिकॉर्डिंग अपलोड करते हैं, उसके अधिकार आपके पास होने की ज़िम्मेदारी आपकी है।

अक्सर पूछे जाने वाले सवाल

क्या अलग की गई बीट तुरंत काराओके के लिए इस्तेमाल कर सकता हूँ?

हाँ। बीट मूल गाने जितनी ही लंबी MP3 है, इसलिए आप उसे डाउनलोड करके साथ गा सकते हैं। Pop, ballad और acoustic गाने आम तौर पर साफ़ निकलते हैं; ज़्यादा हार्मनी वाले गानों में कोरस में हल्की गूँज रह सकती है।

मेरी बीट दबी-दबी क्यों लगती है?

लगभग हमेशा स्रोत फ़ाइल की वजह से। कई बार कंप्रेस की गई फ़ाइलें अक्सर पहले से लगभग 16 kHz पर कटी होती हैं, और अलग की गई बीट भी उसी जगह पर कटती है। उच्च गुणवत्ता वाली मूल फ़ाइल से दोबारा अलग करने पर साफ़ फ़र्क़ पड़ता है।

क्या यह ड्रम, bass या पियानो को अलग-अलग निकाल सकता है?

अभी नहीं। टूल दो हिस्से देता है: बीट और वोकल। बीट के अंदर के हिस्सों को बदलने के लिए आप उसे दूसरे ट्रैक के साथ मिक्सर में डाल सकते हैं।

अलग की गई फ़ाइलें कितने समय तक रखी जाती हैं?

24 घंटे, फिर वे अपने आप मिट जाती हैं। रखना चाहें तो डाउनलोड कर लें। दोबारा अलग करने के लिए गाना फिर से अपलोड करें; हर बार लगभग एक से दो मिनट लगते हैं। और गाइड ब्लॉग पर हैं।

संबंधित रिसर्च

• ब्राउज़र में वोकल मिक्सिंग: लक्ष्य कहाँ से आते हैं
• AI कवर खरखरे क्यों लगते हैं, और हमने कैसे मापा