จาก YouTube สู่คาราโอเกะ: เปลี่ยนทุกเพลงให้เป็นดนตรีประกอบ

YouTube ไม่มีปุ่ม "เวอร์ชันคาราโอเกะ" ถ้าคุณอยากร้องตามเพลงใดเพลงหนึ่ง — เพลงที่ไม่เคยมีดนตรีประกอบอย่างเป็นทางการ เพลงคัฟเวอร์ หรือเพลงภาษาต่างประเทศที่ตู้คาราโอเกะแถวบ้านไม่เคยได้ยินชื่อ — คุณต้องทำแทร็กดนตรีขึ้นมาเอง

ข่าวดีคือทุกวันนี้มันเป็นงานแค่ 2 ขั้นตอน ใช้เวลาราวห้านาที และไม่เสียเงิน ขั้นแรกคือได้ไฟล์เสียงของเพลงมา ขั้นที่สองคือส่งไฟล์นั้นผ่านโมเดล AI ที่แยกเสียงร้องออกจากทุกอย่างที่เหลือ

คำตอบสั้น ๆ

1. คัดลอก URL ของ YouTube สำหรับเพลงที่ต้องการ
2. แปลงเป็น MP3 ที่ 320 kbps ด้วย OnlyMP3.tools บิตเรตสำคัญกว่าการฟังทั่วไปมาก — อธิบายด้านล่าง
3. อัปโหลด MP3 นั้นไปยังเครื่องมือแยกเสียงร้องด้วย AI เช่น SongToKaraoke ซึ่งจะแบ่งเพลงเป็นเสียงร้องกับดนตรี
4. ดาวน์โหลดแทร็กดนตรี นั่นคือแทร็กคาราโอเกะของคุณ

ทั้งกระบวนการมีเท่านี้ ส่วนที่เหลือของคู่มือจะอธิบายว่าทำไมแต่ละขั้นตอนถึงสำคัญ เพลงแบบไหนแยกได้สะอาด และควรทำอย่างไรเมื่อผลลัพธ์ออกมาไม่ดี

ทำไมแค่ "หรี่เสียงร้องลง" ถึงไม่พอ

เทคนิคเก่าในการทำแทร็กคาราโอเกะเรียกว่า การหักล้างช่องสัญญาณกลาง เสียงร้องนำมักถูกมิกซ์ไว้ตรงกลางพอดี หมายความว่าสัญญาณในช่องซ้ายและขวาเหมือนกันทุกประการ ถ้าเอาช่องหนึ่งลบอีกช่องหนึ่ง ทุกอย่างที่อยู่ตรงกลางพอดีจะหักล้างกันหมด — รวมถึงเสียงร้องด้วย

วิธีนี้พอใช้ได้ และนั่นคือเหตุผลที่เครื่องมือ "ลบเสียงร้อง" ฟรีมีมาก่อนยุค AI นานแล้ว แต่มันมีปัญหาร้ายแรงสองข้อ:

• ทุกอย่างที่อยู่ตรงกลางก็หายไปด้วย กระเดื่อง สแนร์ และเบสก็อยู่ตรงกลางแทบทุกครั้ง คุณจะเสียภาคจังหวะทั้งหมดไปพร้อมกับนักร้อง
• เสียงก้องยังอยู่ หางเสียงรีเวิร์บของเสียงร้องเป็นสเตอริโอ ไม่ได้อยู่ตรงกลาง คุณจึงได้เสียงสะท้อนของการร้องแบบหลอน ๆ โดยไม่มีเสียงร้องจริง ฟังแล้วน่าขนลุก

การแยกแทร็กด้วย AI สมัยใหม่ทำงานคนละแบบโดยสิ้นเชิง โมเดลอย่าง Demucs ถูกฝึกด้วยเพลงหลายหมื่นเพลงที่มีแทร็กแยกให้ใช้ มันจึงเรียนรู้ว่าเสียงมนุษย์ ฟังดูเป็นอย่างไร ไม่ใช่ว่ามันอยู่ตรงไหนในสนามเสียงสเตอริโอ มันดึงเสียงร้องออกมาจากลายนิ้วมือทางเสียง โดยปล่อยให้กลอง เบส และเครื่องดนตรีอยู่ครบ

ความต่างในทางปฏิบัติชัดเจนมาก การหักล้างช่องกลางให้แทร็กที่บางและกลวงไม่มีกลอง ส่วนการแยกด้วย AI ให้สิ่งที่ฟังเหมือนดนตรีประกอบของจริง

ขั้นตอนที่ 1: ได้เพลงมาเป็นไฟล์ MP3

วาง URL ของ YouTube ลงใน OnlyMP3.tools เลือกบิตเรต แล้วดาวน์โหลด

เลือก 320 kbps สำหรับการฟังทั่วไป คนส่วนใหญ่แยกความต่างระหว่าง 192 กับ 320 ไม่ออก และปกติเราก็แนะนำให้เลือกตามการใช้งาน แต่การแยกเสียงร้องเป็นข้อยกเว้น และนี่คือเหตุผล

การบีบอัด MP3 ทำงานด้วยการทิ้งข้อมูลเสียงที่ตัวเข้ารหัสคาดว่าคุณจะไม่รู้สึกตัวว่าหายไป ยิ่งบิตเรตต่ำก็ยิ่งทิ้งมาก — โดยเฉพาะในย่านความถี่สูงและช่วงเบา ๆ ที่ถูกเสียงดังกว่ากลบไว้ ซึ่งบริเวณเหล่านั้นแหละคือสิ่งที่โมเดลแยกแทร็กใช้แยกแยะว่าอันไหนคือเสียงคน อันไหนคือกีตาร์ การป้อนไฟล์ 128 kbps ให้มันก็เท่ากับขอให้มันสร้างเสียงร้องขึ้นใหม่จากข้อมูลที่ถูกจงใจทิ้งไปแล้ว

สิ่งแปลกปลอมจะปรากฏเป็นเสียงดนตรีที่ฟังเหมือนอยู่ในน้ำและแกว่งไปมา ได้ยินชัดที่สุดบนฉาบและหางเสียงก้อง ด้วยเหตุผลเดียวกับที่คุณไม่ควรแต่งภาพที่ถูกบันทึกเป็น JPEG คุณภาพต่ำมาแล้วห้ารอบ

หากต้องการรายละเอียดครบถ้วนว่าบิตเรตแต่ละระดับแลกอะไรไป อ่านคู่มือบิตเรตของ OnlyMP3

อีกเรื่องที่ควรรู้: คุณภาพของวิดีโอต้นทางคือเพดานที่คุณยกไม่ขึ้น ถ้ามีคนอัปโหลดเพลงนั้นจากไฟล์คุณภาพต่ำ การขอ 320 kbps ก็ได้แค่ไฟล์ใหญ่ที่บรรจุเสียงแย่ ๆ ให้เลือกช่องทางการของศิลปิน หรือช่อง "Artist - Topic" อย่างเป็นทางการ ซึ่งมักป้อนมาจากมาสเตอร์ของค่ายเพลง

ขั้นตอนที่ 2: แยกเสียงร้องออก

อัปโหลด MP3 ไปยังเครื่องมือแยกแทร็กด้วย AI SongToKaraoke ถูกสร้างมาเพื่อกรณีนี้โดยเฉพาะ — คุณอัปโหลดเพลง แล้วมันคืนดนตรีที่ไม่มีเสียงร้องให้ดาวน์โหลดไปร้องได้เลย ถ้าอยากได้กลองกับเบสเป็นไฟล์แยกด้วยก็มีเครื่องมือแยกสเต็มแบบทั่วไป แต่สำหรับคาราโอเกะแค่แบ่งเป็นสองส่วนก็พอ

การประมวลผลมักใช้เวลาตั้งแต่สามสิบวินาทีถึงไม่กี่นาที ขึ้นกับความยาวเพลง โมเดลทำงานฝั่งเซิร์ฟเวอร์ มือถือช้าจึงไม่ใช่ปัญหา

สิ่งที่คุณได้กลับมาคือแทร็กดนตรี: เพลงเดิม จังหวะเดิม คีย์เดิม การเรียบเรียงเดิม เพียงแต่ไม่มีเสียงร้องนำ

เพลงแบบไหนแยกได้สะอาด

ผลลัพธ์ต่างกันมากตามแนวเพลงและวิธีการผลิต นี่คือปัจจัยสำคัญที่สุดที่ชี้ว่าคุณจะพอใจกับผลลัพธ์หรือไม่

ประเภทเพลง	ผลลัพธ์ทั่วไป	เพราะอะไร
ป๊อปสมัยใหม่ ฮิปฮอป EDM	ดีเยี่ยม	โปรดักชันมัลติแทร็กสะอาด เสียงร้องแยกชัด และมีข้อมูลฝึกคล้ายกันเยอะ
ร็อกและเมทัล	ดี	เสียงร้องแยกได้ดี กีตาร์แตกหนัก ๆ ทำให้โมเดลสับสนเป็นบางครั้ง
อะคูสติกนักร้องนักแต่งเพลง	ดีถึงปานกลาง	เสียงคนกับกีตาร์โปร่งใช้ย่านความถี่ร่วมกัน จึงมีเสียงเล็ดลอดบ้าง
แจ๊สและโซลที่มีเครื่องเป่า	ปานกลาง	แซกโซโฟนและทรัมเป็ตทับซ้อนกับย่านเสียงมนุษย์
ประสานเสียง โอเปร่า อะคาเปลลาเป็นหลัก	แย่	เมื่อ "เครื่องดนตรี" ก็คือเสียงคน ก็ไม่เหลืออะไรให้แยก
บันทึกการแสดงสด บูตเลก	แย่	เสียงผู้ชมและเสียงสะท้อนในห้องปนเปื้อนทุกแทร็ก
บันทึกเสียงโมโนเก่า (ก่อนปี 1965)	ปานกลางถึงแย่	ทุกอย่างซ้อนอยู่ในช่องเดียว บวกกับการบีบอัดเทปที่หนัก

กฎทั่วไปคือ ยิ่งเสียงร้องแยกอิสระในการบันทึกต้นฉบับมากเท่าไร โมเดลก็ยิ่งดึงมันกลับออกมาได้ดีเท่านั้น เพลงป๊อปที่อัดในห้องแยกเสียงจะแยกได้สวยงาม ส่วนแจ๊สสดปี 1958 ที่อัดด้วยไมค์สองตัวนั้นไม่ได้

ผลลัพธ์ที่ "ดี" ฟังแล้วเป็นอย่างไรจริง ๆ

แม้จะแยกได้สะอาด ก็ยังไม่เหมือนดนตรีประกอบที่วางจำหน่ายอย่างเป็นทางการ ให้คาดหวังว่า:

• มีเงาเสียงร้องหลงเหลือเป็นบางครั้ง ในช่วงที่เสียงแน่น โดยเฉพาะโน้ตที่ลากยาว
• ฉาบทื่อลงเล็กน้อย ย่านความถี่สูงคือจุดที่เสียงร้องกับฉาบทับซ้อนกันมากที่สุด โมเดลจึงบางครั้งตัดมากเกินไป
• เสียงประสานอาจอยู่หรือหายก็ได้ โมเดลส่วนใหญ่นับเสียงประสานและเสียงร้องซ้อนเป็น "เสียงร้อง" แล้วลบไปพร้อมเสียงนำ ถ้าท่อนฮุกของเพลงพึ่งพาเสียงประสานซ้อนกันหลายชั้น ดนตรีที่ได้อาจฟังโหวง

สำหรับร้องที่บ้าน ร้องในงานปาร์ตี้ หรือใช้ซ้อม เรื่องพวกนี้ไม่สำคัญเลย แต่ถ้าจะบันทึกการแสดงเพื่อเผยแพร่ ให้ฟังทั้งแทร็กอย่างตั้งใจก่อน

การใช้งานที่พบบ่อย

• คาราโอเกะที่บ้าน สำหรับเพลงที่ไม่มีบริการไหนซื้อลิขสิทธิ์ไว้ — เพลงภาษาต่างประเทศ เพลงจากค่ายอิสระ เพลงในอัลบั้มที่ไม่ดัง
• ฝึกร้อง นักร้องซ้อมกับการเรียบเรียงจริงในจังหวะจริง แทนที่จะซ้อมกับเปียโนย่อ
• ออดิชันและคัฟเวอร์ แทร็กดนตรีที่สกัดจากต้นฉบับฟังดีกว่าการเลียนแบบด้วย MIDI มาก
• การสอนดนตรี เปิดดนตรีในคาบเรียน เสียงเดียวในห้องคือเสียงของนักเรียน
• การเต้นและออกแบบท่า ที่เสียงร้องรบกวนการนับจังหวะ

แก้ปัญหาที่พบบ่อย

ยังได้ยินเสียงร้องจาง ๆ ในดนตรี มักเป็นปัญหาคุณภาพต้นทาง ลองดาวน์โหลดเพลงใหม่ที่ 320 kbps จากไฟล์ที่ดีที่สุดที่หาได้แล้วลองอีกครั้ง ถ้าเป็นการมิกซ์สดที่แน่นหรือเพลงที่มีเสียงประสานเยอะ นี่อาจเป็นผลลัพธ์ที่ดีที่สุดแล้ว

ดนตรีฟังบางหรือเหมือน "อยู่ใต้น้ำ" เป็นสิ่งแปลกปลอมคลาสสิกจากไฟล์ต้นทางบิตเรตต่ำ ตรวจดูว่าคุณดาวน์โหลดมาที่บิตเรตเท่าไร ถ้าเป็น 128 หรือ 192 ให้ทำใหม่ที่ 320

กลองหายไปพร้อมกับเสียงร้อง นั่นคือลายเซ็นของการหักล้างช่องกลาง ไม่ใช่การแยกด้วย AI เว็บ "ลบเสียงร้อง" ฟรีบางแห่งยังใช้วิธีลบแบบเก่าอยู่ ให้เปลี่ยนไปใช้เครื่องมือที่แยกสเต็มจริง ๆ

อัปโหลดล้มเหลวหรือหมดเวลา ไฟล์ที่ยาวมาก (ดีเจเซ็ต บันทึกคอนเสิร์ตทั้งงาน มิกซ์ยาวหนึ่งชั่วโมง) อาจเกินขีดจำกัดการประมวลผล ให้ตัดเฉพาะเพลงที่ต้องการก่อน

ดาวน์โหลดออกมาเป็นไฟล์ .html แทนที่จะเป็นไฟล์เสียง ตัวแปลงไฟล์ส่งหน้ารีไดเรกต์โฆษณามาให้แทนไฟล์จริง นี่เป็นสัญญาณอันตราย — ดูคู่มือของเราเรื่องสิ่งที่ควรดูเมื่อเลือกตัวแปลงไฟล์

หมายเหตุเรื่องลิขสิทธิ์

การทำเวอร์ชันดนตรีล้วนเพื่อซ้อมส่วนตัวหรือคาราโอเกะที่บ้าน โดยทั่วไปถือเป็นการใช้ส่วนบุคคลในเขตอำนาจศาลส่วนใหญ่ แต่การเผยแพร่ดนตรีนั้น ขายมัน หรือใช้เป็นเพลงประกอบเนื้อหาที่หารายได้ เป็นคนละเรื่องกัน — ทั้งตัวบทประพันธ์และงานบันทึกเสียงต้นฉบับยังได้รับความคุ้มครองอยู่ ไม่ว่าคุณจะลบอะไรออกจากไฟล์ก็ตาม

ถ้าคืนคาราโอเกะของคุณอยู่แค่ในห้องนั่งเล่น ก็ไม่มีปัญหา แต่ถ้ามันไปจบบนช่องที่หารายได้ ควรศึกษาเรื่องการขออนุญาต

คำถามที่พบบ่อย

ต้องติดตั้งอะไรไหม? ไม่ต้อง ทั้งสองขั้นตอนทำงานในเบราว์เซอร์ การดาวน์โหลด MP3 เกิดขึ้นบน OnlyMP3.tools ส่วนการแยกแทร็กเกิดบนเซิร์ฟเวอร์ของบริการแยกเสียง

ทำบนมือถือได้ไหม? ได้ ทั้งสองขั้นตอนเป็นเว็บ อุปสรรคเดียวคือการจัดการไฟล์บน iOS — ไฟล์ MP3 จะไปอยู่ในแอป Files ในโฟลเดอร์ Downloads แล้วอัปโหลดจากตรงนั้น

แทร็กคาราโอเกะจะอยู่คีย์เดิมไหม? ใช่ การแยกแทร็กไม่เปลี่ยนระดับเสียงหรือจังหวะ ถ้าต้องการคีย์อื่น นั่นเป็นขั้นตอนย้ายคีย์แยกต่างหากหลังจากได้ดนตรีมาแล้ว

ขอเฉพาะเสียงร้องแทนได้ไหม? ได้ — กระบวนการเดียวกันให้ทั้งสองแทร็ก เสียงร้องเดี่ยว ("อะคาเปลลา") คืออีกครึ่งหนึ่งของการแบ่งเดียวกัน มีประโยชน์สำหรับการรีมิกซ์หรือศึกษาว่านักร้องทำอะไรบ้าง

ทำไมผลลัพธ์ของผมฟังแย่กว่าดนตรีประกอบทางการ? เพราะดนตรีประกอบทางการคือมัลติแทร็กจริงที่มิกซ์โดยไม่ใส่แทร็กเสียงร้อง ส่วนการแยกแทร็กคือการสร้างขึ้นใหม่ — มัน ประมาณ ว่าเดิมมีอะไรอยู่ ช่องว่างนี้แคบลงมากในไม่กี่ปีที่ผ่านมา แต่ยังไม่หมดไป

จำเป็นต้องใช้ 320 kbps จริงหรือ? สำหรับขั้นตอนนี้ ใช่ และสำคัญกว่าการฟังทั่วไปมาก คุณภาพการแยกถูกจำกัดโดยตรงจากปริมาณเสียงต้นฉบับที่รอดจากการบีบอัดมาได้

สรุป

สองขั้นตอน: ได้ MP3 ที่สะอาด แล้วแยกเสียงร้องออก บิตเรตที่คุณเลือกในขั้นแรกเป็นตัวกำหนดเพดานของขั้นที่สอง ซึ่งเป็นจุดเดียวในกระบวนการทั้งหมดที่ไม่ตรงกับสัญชาตญาณ — ให้ดาวน์โหลดที่ 320 kbps แม้ปกติคุณจะพอใจกับที่ต่ำกว่า

เริ่มจากโหลดเพลงที่ OnlyMP3.tools แล้วส่งผ่าน SongToKaraoke เพื่อให้ได้แทร็กดนตรีประกอบ