Hướng dẫn loại bỏ giọng hát AI miễn phí: Loại bỏ hoặc cô lập giọng hát vào năm 2026

Cách loại bỏ giọng hát AI thực sự hoạt động như thế nào

Thủ thuật karaoke cũ - hủy pha - hoạt động bằng cách đảo ngược một kênh âm thanh nổi để hủy nội dung được xoay ở giữa. Nghe có vẻ đơn giản bởi vì nó là như vậy: mọi thứ không hoàn toàn giống nhau ở cả hai kênh vẫn tồn tại nguyên vẹn, điều này trong bất kỳ sự kết hợp hiện đại nào với âm vang, mở rộng âm thanh nổi hoặc hòa âm nền đều có nghĩa là giọng hát bị chảy máu rất nặng. Kết quả là một nhạc cụ rỗng, pha âm hiếm khi có thể sử dụng được.

Công cụ loại bỏ giọng hát AI hoạt động theo một nguyên tắc hoàn toàn khác. Các mô hình như Demucs^[1] và MDX-Net^[2] là các mạng lưới thần kinh sâu được đào tạo trên các tập dữ liệu lớn gồm các thân riêng biệt. Với một tệp âm thanh hỗn hợp, mạng sẽ dự đoán từng phần riêng lẻ - giọng hát, trống, âm trầm, các nhạc cụ khác - trông (hoặc phát ra âm thanh) như thế nào trước khi chúng được trộn với nhau. Không có thủ thuật pha, không bị cắt EQ: mô hình đưa ra ước tính sáng suốt dựa trên các mẫu đã học.

Hybrid Demucs v4, kiến ​​trúc tiên tiến hiện nay, hoạt động đồng thời ở cả miền thời gian (dạng sóng thô) và miền tần số (biểu đồ phổ), kết hợp độ chính xác theo thời gian và độ phân giải tần số trong một mô hình duy nhất.^[2] Kết quả: các gốc nhạc cụ và giọng hát sạch sẽ với ít tạo tác hơn nhiều so với bất kỳ phương pháp tiền AI nào có thể tạo ra.

Sơ lược về các công cụ miễn phí tốt nhất

Bối cảnh chia thành hai phe: ứng dụng máy tính để bàn bạn cài đặt cục bộ (nhiều năng lượng hơn, nhiều thiết lập hơn) và các công cụ dựa trên trình duyệt (tức thì, không cần cài đặt nhưng có giới hạn sử dụng hoặc đánh đổi chất lượng). Bảng dưới đây bao gồm các tùy chọn thực sự miễn phí tốt nhất.

Ultimate Vocal Remover: Tiêu chuẩn máy tính để bàn miễn phí

Ultimate Vocal Remover (UVR) là một ứng dụng máy tính để bàn mã nguồn mở, được MIT cấp phép, miễn phí dành cho Windows, macOS và Linux.^[3] Đây là lựa chọn phù hợp cho những nhà sản xuất xử lý các phần gốc thường xuyên vì không có giới hạn tải lên, không đăng ký và không có giới hạn chất lượng do máy chủ áp đặt.

Ứng dụng này kết hợp ba kiến trúc AI riêng biệt trong một giao diện: VR Architecture (mạng thần kinh UVR ban đầu), MDX-Net (bao gồm các mô hình MDX23C mới hơn do ZFTurbo đào tạo) và Demucs (v1 đến v4, bao gồm cả Hybrid Demucs).^[7] Các mẫu khác nhau xử lý các thể loại khác nhau một cách khác nhau — Demucs v4 có xu hướng hoạt động tốt trên nhạc rock và pop trong khi các mẫu MDX-Net có thể vượt trội về giọng hát hip-hop được xử lý nhiều, vì vậy, việc thử cả hai trên một bản nhạc phức tạp là một quy trình công việc phổ biến.

Chế độ tập hợp cho phép bạn chạy đồng thời nhiều mô hình và trộn các kết quả đầu ra của chúng - một kỹ thuật giúp giảm thiểu hiện tượng giả trên vật liệu khó một cách rõ ràng. Hỗ trợ tăng tốc GPU cho thẻ NVIDIA, AMD Radeon và Intel Arc (NVIDIA GTX 1060 6 GB là mức tối thiểu để xử lý GPU NVIDIA).^[7]

Cách sử dụng UVR: Từng bước

1. Tải xuống và cài đặt UVR
   Truy cập Ultimatevocalremover.com và tải xuống trình cài đặt cho hệ điều hành của bạn (Windows 10+, macOS Big Sur+ hoặc Linux).[3] Trình cài đặt đóng gói ứng dụng; Các mô hình AI được tải xuống riêng biệt từ trong ứng dụng.
2. Tải xuống mô hình AI đầu tiên của bạn
   Mở UVR và đi tới Cài đặt → Trung tâm tải xuống. Đối với hầu hết tài liệu, hãy bắt đầu với MDX-Net — UVR-MDX-NET-Voc-FT cho giọng hát hoặc Demucs v4 (htdemucs) để phân chia 4 gốc đầy đủ. Quá trình tải xuống có dung lượng vài trăm MB và diễn ra tự động sau khi bạn chọn một kiểu máy.
3. Nhập tệp âm thanh của bạn
   Kéo bản nhạc của bạn vào cửa sổ chính hoặc sử dụng nút Chọn đầu vào. UVR hỗ trợ MP3, WAV, FLAC, OGG và bất kỳ định dạng nào khác mà FFmpeg có thể đọc được.[7]
4. Chọn mô hình và định dạng đầu ra của bạn
   Chọn mô hình AI từ danh sách thả xuống. Đặt thư mục đầu ra và định dạng ưa thích của bạn (WAV cho lossless, MP3 cho các tệp nhỏ hơn). Để phân chia giọng hát/nhạc cụ thẳng, hãy chọn mẫu giọng hát 2 cuống. Đối với trống, bass và các nhạc cụ khác dưới dạng tệp riêng biệt, hãy chọn mô hình Demucs 4 cuống.
5. Chạy phân tách
   Nhấp vào Bắt đầu xử lý. Trên CPU hiện đại, một bản nhạc dài 3 phút thường mất 1-3 phút nếu không tăng tốc GPU. Với GPU tương thích được bật trong cài đặt, cùng một bản nhạc có thể xử lý trong vòng chưa đầy 30 giây. Tiến trình được hiển thị trên thanh trạng thái.
6. Lấy thân cây của bạn
   UVR lưu các thân cây riêng biệt vào thư mục đầu ra đã chọn của bạn. Bạn sẽ có tối thiểu một tệp Nhạc cụ và Giọng hát. Nếu bạn chạy Chế độ tập hợp, tệp đầu ra được trộn cũng sẽ được lưu. Nhập vào DAW lựa chọn của bạn và kiểm tra các hiện vật ở các phần lộ ra.
7. Hãy thử Chế độ hòa tấu cho các bản nhạc khó
   Nếu lượt đầu tiên có hiện tượng giả âm thanh - rò rỉ hồi âm, tràn tần số thấp, hài âm ma - hãy chuyển sang Chế độ hòa âm và chọn hai hoặc ba kiểu khác nhau. UVR sẽ chạy tất cả chúng và kết hợp các kết quả, điều này thường làm giảm hiện vật trên vật liệu khó.

Tùy chọn dựa trên trình duyệt: Khi bạn không muốn có ứng dụng dành cho máy tính để bàn

Không phải mọi quy trình công việc đều cần cài đặt cục bộ. Nếu bạn đang sử dụng máy mượn, làm việc trên máy tính bảng hoặc chỉ cần tách nhanh mà không cần cấu hình phần mềm thì công cụ trình duyệt là con đường nhanh nhất.

• Bộ chia BandLab Tùy chọn trình duyệt miễn phí hào phóng nhất: tải lên không giới hạn ở bậc miễn phí, chia thành 2 hoặc 4 phần (giọng hát, trống, bass, phần khác).^[4] Hoạt động trên web và thiết bị di động. Tư cách thành viên BandLab trả phí ($1,99/tháng) sẽ mở khóa tối đa 7 thân đàn, tách đàn guitar và dây cũng như xuất khẩu thân cây MIDI. Không cần đăng ký để dùng thử tại bandlab.com/splitter.
• vocalremover.org Một công cụ trình duyệt miễn phí chạy lâu dài, tạo ra bản nhạc karaoke (nhạc cụ) và acapella (giọng hát riêng) từ bất kỳ tệp nào được tải lên.^[5] Bậc miễn phí có giới hạn sử dụng hàng ngày cho mỗi người dùng; tư cách thành viên trả phí sẽ loại bỏ những hạn chế đó. Giao diện tối giản — tải lên, chờ, tải xuống — làm cho nó trở thành tùy chọn nhanh nhất cho những lần phân tách không thường xuyên.
• Moise Khả năng phân tách AI mạnh mẽ có sẵn trên web, iOS và Android.^[6] Gói miễn phí giới hạn bạn ở 5 lần tải lên mỗi tháng với thời lượng theo dõi tối đa là 5 phút cho mỗi tệp và chỉ xuất ở định dạng MP3 hoặc M4A. Hữu ích cho quy trình thực hành và quy trình làm việc trên thiết bị di động; các giới hạn miễn phí khiến việc sử dụng sản xuất thường xuyên mà không nâng cấp trở nên không thực tế.

Những gì mong đợi: Sự khác biệt về chất lượng, hiện vật và thể loại

Tính năng phân tách bằng AI hiện đại hoạt động hiệu quả trên các bản ghi âm phòng thu sạch sẽ với giọng hát chính được xoay ở giữa và các nhạc cụ chiếm dải tần số có thể dự đoán được — loại chất liệu phổ biến trong nhạc pop, R&B và hip-hop. Trên loại bản nhạc đó, bạn có thể mong đợi một nhạc cụ có thể sử dụng được với lượng giọng hát tối thiểu và acapella giữ lại hầu hết đặc điểm giọng hát ban đầu.

Hiện vật là hạn chế trung thực của tất cả các công cụ phân tách hiện tại. Phổ biến nhất là: rò đuôi hồi âm (một số âm thanh trong phòng từ giọng hát truyền vào nhạc cụ), vụt tần số trên các nhạc cụ trùng nhiều với phạm vi giọng hát (hợp âm piano khoảng 200–800 Hz là tai nạn thường gặp) và hòa âm ma trên acapella — những nốt nhạc mờ nhạt không tách rời hoàn toàn. Những tạo phẩm này là tác dụng phụ có thể dự đoán được của quá trình ước tính, không phải là lỗi trong bất kỳ công cụ cụ thể nào.

Thể loại quan trọng đáng kể. Những bản sắp xếp thưa thớt - solo piano, guitar acoustic và vocal, Stripe soul - có xu hướng tách biệt rõ ràng hơn vì độ tương phản quang phổ giữa giọng hát và nhạc cụ cao. Các bản nhạc trong đó nhiều phần chiếm cùng một vùng tần số cùng một lúc (dây dày đặc, tổng hợp nhiều lớp, guitar bị méo, tất cả đều cạnh tranh ở dải tần trung) khó hơn đối với bất kỳ mẫu nào. Bản ghi âm trực tiếp với âm thanh từ nhạc cụ acoustic là loại khó nhất.

Mẹo để có kết quả rõ ràng hơn

Sử dụng WAV hoặc FLAC làm tệp nguồn của bạn. Tính năng nén MP3 tạo ra các tạo phẩm trước khi AI bắt đầu; càng nhiều thông tin tín hiệu ở đầu vào thì ước tính của mô hình càng tốt. Luôn làm việc từ phiên bản chất lượng cao nhất mà bạn có.

Thử nhiều mô hình trên cùng một bản nhạc. UVR giúp việc này trở nên dễ dàng: chạy Demucs v4, sau đó chạy mô hình MDX-Net và lắng nghe nhạc cụ nào có ít tạo tác hơn. Các kiến ​​trúc khác nhau mắc những lỗi khác nhau trên cùng một vật liệu.

Xử lý hậu kỳ các thân trong DAW. EQ động hẹp để bắt được dải 2–4 kHz trong đó giọng hát bị chảy ra dễ nghe nhất có thể làm sạch thêm nhạc cụ mà không ảnh hưởng đến sự cân bằng của bản phối. Hãy coi đầu ra AI là điểm khởi đầu chứ không phải là sản phẩm hoàn chỉnh.

Nhà sản xuất thực sự sử dụng công cụ loại bỏ giọng hát để làm gì

• Bài hát karaoke Trường hợp sử dụng ban đầu: trích xuất nhạc cụ để ca sĩ có thể luyện tập hoặc biểu diễn trực tiếp theo cách sắp xếp ban đầu. Ngay cả một sự tách biệt hơi không hoàn hảo cũng hữu ích hơn nhiều so với một trò giải trí chung chung MIDI.
• Thực hành lấy mẫu và nội suy Cô lập một vocal hook để nghiên cứu cách phân nhịp, cao độ và thời gian trước khi cố gắng tái tạo nó. Các nhạc cụ riêng biệt cho phép bạn nghe các lựa chọn sắp xếp riêng lẻ — rãnh trống mà không cần hòa âm, chuyển động âm trầm mà không cần hợp âm.
• Luyện thanh và luyện tai Các ca sĩ sử dụng các nhạc cụ riêng biệt để luyện tập dựa trên bản ghi âm gốc mà không có giọng hát hướng dẫn hoặc trích xuất giọng hát để phân tích cao độ và khả năng kiểm soát hơi thở của màn trình diễn.
• Điểm bắt đầu phối lại và mashup Một bản acapella hoặc nhạc cụ riêng biệt mang đến cho bạn điểm khởi đầu sơ bộ cho các dự án phối lại và mashup không chính thức. Xem ghi chú pháp lý dưới đây trước khi phân phối kết quả.
• Phục hồi thân cây Nếu bạn chỉ có bản phối âm thanh nổi cho phiên của riêng mình và tệp dự án gốc bị mất, tính năng phân tách bằng AI có thể khôi phục các phần thô để làm việc tiếp. Kết quả sẽ có hiện tượng giả, nhưng việc khôi phục bản nhạc trống hoặc giọng hát có thể sử dụng được từ bản hòa âm là có thể đạt được.

Lưu ý pháp lý: Acapellas và nhạc cụ được trích xuất

Quá trình xử lý AI không thay đổi người sở hữu bản quyền đối với tài liệu nguồn. Khi bạn trích xuất một nhạc cụ từ một bài hát có bản quyền, tệp kết quả vẫn là bản phái sinh của tác phẩm có bản quyền đó - AI không tạo ra một bản nhạc mới mà ước tính những gì đã có ở đó. Việc phân phối, phát hành hoặc khai thác thương mại một bản acapella hoặc nhạc cụ được trích xuất từ ​​bài hát mà bạn không viết hoặc không cấp phép sẽ chịu rủi ro pháp lý tương tự như việc sử dụng bản ghi gốc mà không được phép.^[8]

Sử dụng hợp pháp có thể áp dụng trong những trường hợp hẹp — giáo dục, bình luận hoặc tác phẩm mang tính chuyển hóa — nhưng đó là phán quyết pháp lý cho từng trường hợp cụ thể chứ không phải là tấm chắn bao trùm. Nếu bạn đang xây dựng nội dung nào đó dự kiến ​​phát hành công khai sử dụng phần trích xuất từ ​​bản ghi âm của bên thứ ba, hãy tham khảo ý kiến ​​luật sư quen thuộc với bản quyền âm nhạc trước khi xuất bản.

Cách sử dụng an toàn rõ ràng nhất là luyện tập cá nhân, luyện tai và làm việc với các bản ghi âm mà bạn sở hữu hoặc đã xóa. Việc sử dụng UVR trên bản phối đã xuất trong phiên của riêng bạn hoặc xử lý tài liệu miễn phí bản quyền mà bạn đã cấp phép sẽ không gây ra lo ngại về bản quyền.