Z YouTube do karaoke: zamień dowolną piosenkę w podkład

Na YouTube nie ma przycisku „wersja karaoke". Jeśli chcesz zaśpiewać do konkretnego utworu — takiego, do którego nigdy nie wydano oficjalnego podkładu, coveru albo piosenki w języku, o którym twoje osiedlowe karaoke nigdy nie słyszało — podkład musisz zrobić sam.

Dobra wiadomość jest taka, że dziś to zadanie na dwa kroki, jakieś pięć minut, i nic nie kosztuje. Krok pierwszy to zdobycie utworu jako pliku audio. Krok drugi to przepuszczenie tego pliku przez model AI, który oddziela wokal od całej reszty.

Krótka odpowiedź

1. Skopiuj adres YouTube wybranej piosenki.
2. Przekonwertuj ją na MP3 w 320 kbps za pomocą OnlyMP3.tools. Bitrate ma tu znacznie większe znaczenie niż przy zwykłym słuchaniu — wyjaśniamy niżej.
3. Wgraj to MP3 do narzędzia AI do separacji wokalu, na przykład SongToKaraoke, które dzieli utwór na wokal i instrumental.
4. Pobierz ścieżkę instrumentalną. To twój podkład karaoke.

To cały proces. Reszta poradnika wyjaśnia, dlaczego każdy krok ma znaczenie, które utwory rozdzielają się czysto i co robić, gdy efekt brzmi źle.

Dlaczego nie da się po prostu „ściszyć wokalu"

Stara sztuczka na robienie podkładów nazywała się kasowaniem kanału środkowego. Wokal prowadzący jest niemal zawsze zmiksowany dokładnie na środku, czyli sygnał w lewym i prawym kanale jest identyczny. Odejmij jeden kanał od drugiego, a wszystko idealnie wyśrodkowane się skasuje — łącznie z głosem.

To działa w miarę i dlatego darmowe „vocal removery" istniały na długo przed AI. Ale ma dwie zabójcze wady:

• Znika też wszystko inne ze środka. Stopa, werbel i bas niemal zawsze też są wyśrodkowane. Tracisz całą sekcję rytmiczną razem z wokalistą.
• Pogłos zostaje. Ogon pogłosu wokalu jest stereo, a nie wyśrodkowany, więc dostajesz upiorne echo śpiewu bez śpiewu. Brzmi to nawiedzone.

Nowoczesna separacja AI działa zupełnie inaczej. Modele takie jak Demucs trenowano na dziesiątkach tysięcy utworów, dla których dostępne były wyizolowane ścieżki, więc nauczyły się, jak ludzki głos brzmi, a nie gdzie siedzi w panoramie stereo. Wyciągają wokal na podstawie jego akustycznego odcisku palca, zostawiając perkusję, bas i instrumenty nietknięte.

Praktyczna różnica jest ogromna. Kasowanie środka daje cienką, wydrążoną ścieżkę bez perkusji. Separacja AI daje coś, co brzmi jak prawdziwy instrumental.

Krok 1: zdobądź utwór jako MP3

Wklej adres YouTube w OnlyMP3.tools, wybierz bitrate i pobierz.

Wybierz 320 kbps. Przy zwykłym słuchaniu różnica między 192 a 320 jest dla większości ludzi niesłyszalna i zwykle radzimy wybierać pod konkretne zastosowanie. Separacja wokalu to wyjątek, a oto dlaczego.

Kompresja MP3 polega na wyrzucaniu informacji dźwiękowej, której według przewidywań kodera świadomie nie zauważysz. Przy niższych bitrate'ach wyrzuca więcej — szczególnie w wysokich częstotliwościach i w cichych fragmentach maskowanych przez głośniejszy dźwięk. A to dokładnie te obszary, których model separacji używa do odróżnienia głosu od gitary. Podanie mu pliku 128 kbps to prośba o zrekonstruowanie wokalu z danych, które zostały celowo usunięte.

Artefakty objawiają się jako wodnista, falująca barwa instrumentalu, najbardziej słyszalna na talerzach i ogonach pogłosu. Z tego samego powodu nie retuszuje się zdjęcia zapisanego już pięć razy jako kiepskiej jakości JPEG.

Pełne zestawienie tego, co kosztuje każdy poziom bitrate'u, znajdziesz w przewodniku po bitrate OnlyMP3.

Jeszcze jedna ważna rzecz: jakość materiału źródłowego to sufit, którego nie podniesiesz. Jeśli ktoś wrzucił utwór ze słabego ripa, żądanie 320 kbps da ci tylko duży plik ze złym dźwiękiem w środku. Wybieraj oficjalne kanały artystów albo oficjalne kanały „Artist - Topic" — te zwykle są zasilane masterem wytwórni.

Krok 2: oddziel wokal

Wgraj MP3 do narzędzia separacji AI. SongToKaraoke jest zbudowany dokładnie pod ten scenariusz: wgrywasz utwór, dostajesz instrumental bez wokalu, gotowy do pobrania i śpiewania. Są też uniwersalne separatory ścieżek, jeśli chcesz mieć perkusję i bas w osobnych plikach, ale do karaoke wystarczy podział na dwie części.

Przetwarzanie zwykle trwa od trzydziestu sekund do kilku minut, zależnie od długości utworu. Model działa po stronie serwera, więc wolny telefon nie jest problemem.

To, co dostajesz z powrotem, to ścieżka instrumentalna: ten sam utwór, to samo tempo, ta sama tonacja, ta sama aranżacja, bez wokalu prowadzącego.

Które utwory rozdzielają się czysto

Wyniki bardzo się różnią w zależności od gatunku i stylu produkcji. To największy czynnik decydujący o tym, czy będziesz zadowolony.

Typ utworu	Typowy efekt	Dlaczego
Współczesny pop, hip-hop, EDM	Doskonały	Czysta produkcja wielośladowa, wokal wyraźnie wyodrębniony, dużo podobnych danych treningowych
Rock i metal	Dobry	Wokal dobrze się oddziela; mocno przesterowane gitary czasem mylą model
Akustyczny singer-songwriter	Dobry do przeciętnego	Głos i gitara akustyczna dzielą ten sam zakres częstotliwości, więc zostają ślady
Jazz i soul z dęciakami	Przeciętny	Saksofon i trąbka nakładają się na ludzką skalę wokalną
Chóralne, opera, dużo a cappella	Słaby	Gdy „instrumentem" też są głosy, nie ma czego oddzielać
Nagrania koncertowe, bootlegi	Słaby	Hałas publiczności i przesłuchy sali zanieczyszczają każdą ścieżkę
Stare nagrania mono (przed 1965)	Przeciętny do słabego	Wszystko upchnięte w jednym kanale, do tego mocna kompresja taśmowa

Zasada ogólna: im bardziej wyodrębniony był wokal w oryginalnym nagraniu, tym lepiej model go wyciągnie. Studyjny kawałek pop nagrany w izolowanych kabinach rozdziela się znakomicie. Koncertowy jazz z 1958 roku nagrany dwoma mikrofonami — nie.

Jak naprawdę brzmi „dobry" efekt

Nawet czysta separacja to nie to samo co oficjalnie wydany instrumental. Spodziewaj się:

• Sporadycznych duchów wokalu w gęstych fragmentach, zwłaszcza na przetrzymywanych dźwiękach.
• Lekko przytłumionych talerzy. Wysokie częstotliwości to miejsce, gdzie wokal i talerze nakładają się najbardziej, więc model czasem przycina za dużo.
• Chórków, które przetrwają albo nie. Większość modeli traktuje harmonie i dublowane wokale jako „wokal" i usuwa je razem z prowadzącym. Jeśli refren opiera się na warstwowych harmoniach, instrumental może wydać się pusty.

Do śpiewania w domu, na imprezie albo do ćwiczeń nic z tego nie ma znaczenia. Do nagrywanego występu, który zamierzasz opublikować, przesłuchaj najpierw uważnie całą ścieżkę.

Typowe zastosowania

• Domowe karaoke do utworów, których żadna usługa nie licencjonuje: piosenek obcojęzycznych, wydawnictw niezależnych, mniej znanych kawałków z płyt.
• Ćwiczenia wokalne. Wokaliści ćwiczą z prawdziwą aranżacją w oryginalnym tempie zamiast z wyciągiem fortepianowym.
• Przesłuchania i covery. Podkład z oryginalnego nagrania brzmi znacznie lepiej niż przybliżenie MIDI.
• Nauczanie muzyki. Puszczasz instrumental na lekcji i jedynym głosem w sali jest głos ucznia.
• Taniec i choreografia, gdzie wokal przeszkadza w liczeniu.

Rozwiązywanie problemów

W instrumentalu wciąż słychać cichy śpiew. Zwykle to problem jakości źródła. Pobierz utwór ponownie w 320 kbps z najlepszego dostępnego uploadu i spróbuj jeszcze raz. Jeśli to gęsty miks koncertowy albo utwór naszpikowany harmoniami, to może być maksimum możliwości.

Instrumental brzmi cienko albo „pod wodą". Klasyczny artefakt wejścia o niskim bitrate. Sprawdź, w jakim bitrate pobrałeś. Jeśli 128 albo 192, powtórz w 320.

Perkusja zniknęła razem z wokalem. To sygnatura kasowania kanału środkowego, a nie separacji AI. Niektóre darmowe strony do „usuwania wokalu" wciąż używają starej metody odejmowania. Użyj narzędzia, które robi prawdziwą separację ścieżek.

Wgrywanie nie udaje się albo przekracza limit czasu. Bardzo długie pliki (sety DJ-skie, nagrania całych koncertów, godzinne miksy) mogą przekroczyć limity przetwarzania. Wytnij najpierw ten utwór, o który ci chodzi.

Zamiast audio pobiera się .html. Twój konwerter podał przekierowanie reklamowe zamiast pliku. To sygnał ostrzegawczy — zobacz nasz poradnik o tym, na co patrzeć przy wyborze konwertera.

Uwaga o prawach autorskich

Tworzenie wersji instrumentalnej na prywatne ćwiczenia albo domowe karaoke jest w większości jurysdykcji traktowane jako użytek osobisty. Publikowanie takiego instrumentalu, sprzedawanie go albo używanie jako ścieżki dźwiękowej do monetyzowanych treści to zupełnie inna sprawa — zarówno kompozycja, jak i oryginalne nagranie pozostają chronione niezależnie od tego, co usunąłeś z pliku.

Jeśli wieczór karaoke zostaje w twoim salonie, jest w porządku. Jeśli ląduje na monetyzowanym kanale, sprawdź kwestie licencji.

FAQ

Czy trzeba coś instalować? Nie. Oba kroki działają w przeglądarce. Pobieranie MP3 odbywa się na OnlyMP3.tools, a separacja na serwerach usługi separacji.

Czy działa na telefonie? Tak, oba kroki są webowe. Jedyne utrudnienie to obsługa plików na iOS — MP3 ląduje w aplikacji Pliki w folderze Pobrane i stamtąd go wgrywasz.

Czy podkład będzie w tej samej tonacji? Tak. Separacja nie zmienia ani wysokości dźwięku, ani tempa. Jeśli potrzebujesz innej tonacji, to osobny krok transpozycji już po uzyskaniu instrumentalu.

Czy mogę dostać sam wokal? Tak — ten sam proces produkuje obie ścieżki. Wyizolowany wokal („a cappella") to druga połowa tego samego podziału, przydatna do remiksów albo do analizy tego, co dokładnie robi wokalista.

Dlaczego mój efekt brzmi gorzej niż oficjalny instrumental? Bo oficjalny instrumental to prawdziwy wieloślad zmiksowany bez kanału wokalnego. Separacja to rekonstrukcja — szacuje, co tam było. Dystans mocno się skurczył w ostatnich latach, ale się nie zamknął.

Czy 320 kbps naprawdę jest konieczne? Przy tym procesie tak, o wiele bardziej niż przy zwykłym słuchaniu. Jakość separacji jest bezpośrednio ograniczona tym, ile oryginalnego dźwięku przetrwało kompresję.

Podsumowanie

Dwa kroki: zdobądź czyste MP3, potem wydziel z niego wokal. Bitrate wybrany w kroku pierwszym wyznacza sufit dla kroku drugiego i to jedyna nieoczywista część całego procesu — pobierz w 320 kbps, nawet jeśli normalnie zadowoliłbyś się mniejszym.

Zacznij od pobrania utworu na OnlyMP3.tools, a potem przepuść go przez SongToKaraoke, żeby dostać podkład.