Die Drei Schritte

Laden Sie Ihren Song oder Ihr Video hoch

Per Drag & Drop ziehen oder klicken zum Durchsuchen. Wir akzeptieren MP3, WAV, FLAC, M4A, AAC, OGG, AIFF, WMA, Opus und mehr (max. 100 MB), plus Videodateien wie MP4, MOV, MKV, AVI, WebM, FLV, WMV, MPG und 3GP (max. 1 GB) — wir holen das Audio automatisch heraus.

KI Trennt das Audio

Unser GPU-beschleunigtes KI-Modell analysiert die Frequenzmuster und isoliert die Gesangsebene von der Musik.

Laden Sie Ihre Tracks herunter

Laden Sie die Gesangsspur und die instrumentale Begleitspur als hochwertige 256-kbps-MP3-Dateien herunter.

Die Technologie: KI-Quellentrennung

FreeVocalRemover wird von einem hochmodernen Deep-Learning-Modell für die Trennung von Musikquellen angetrieben. Es verwendet eine hybride Architektur, die kombiniert:

Verarbeitung im Wellenform-Bereich — direkte Analyse des rohen Audiosignals
Verarbeitung im Spektrogramm-Bereich — Analyse der Frequenzdarstellung des Audios
Encoder-Decoder-Architektur — derselbe U-Net-Stil, der in der Bildsegmentierung verwendet wird, angepasst für Audio

Das Modell wurde auf Tausenden professionell gemischter Multitrack-Aufnahmen trainiert und lernte, Gesangsmuster aus jedem Genre und Produktionsstil zu erkennen und zu trennen.

Warum KI Alte Methoden Übertrifft

Phasenauslöschung (Alt)

Die alte Methode: die Phase einer Instrumentalspur umkehren und mit dem Original mischen. Funktioniert nur, wenn Sie das exakte offizielle Instrumental haben — was fast nie verfügbar ist.

KI-Quellentrennung (Neu)

Moderne KI funktioniert mit jeder einzelnen gemischten Audiodatei. Keine Instrumentalspur nötig. Das neuronale Netz trennt Stimmen anhand gelernter Audiomuster — keine Referenzspur benötigt.

Hinter den Kulissen: Verarbeitungspipeline

1. Formatkonvertierung

Ihre hochgeladene Datei wird in einen standardisierten Audiostream decodiert. Dies gewährleistet konsistente Qualität unabhängig vom Eingabeformat.

2. GPU-Verarbeitung

Das Audio wird an unseren GPU-Server gesendet, der unser KI-Modell ausführt. GPU-Beschleunigung verarbeitet einen 3-minütigen Song in etwa 30–60 Sekunden.

3. Ausgabe-Encodierung

Die getrennten Stems werden in 256-kbps-MP3 für maximale Kompatibilität und Qualität encodiert. Sowohl die Gesangs- als auch die Instrumentalspur werden zum Download vorbereitet.

4. Sichere Zustellung

Download-Links werden mit zeitlich begrenzten Zugriffstoken generiert. Ihre Dateien sind sofort nach der Verarbeitung zugänglich.

Trennungsqualität & Einschränkungen

Die KI-Stimmentrennung ist bemerkenswert gut geworden, aber sie ist keine Magie. Hier ist, was Sie erwarten können:

Funktioniert am Besten Mit

Klarer Trennung zwischen Gesang und Instrumenten
Standard-Pop-, Rock-, R&B-, Hip-Hop-Arrangements
Trockenen oder leicht verhallten Stimmen
Hochwertigen Quelldateien (WAV oder MP3 mit hoher Bitrate)

Schwierig Bei

Sehr dichten Orchesterarrangements
Stark bearbeiteten Stimmen (extremer Hall/Chorus)
Stimmen, die sich den Frequenzraum mit Leadinstrumenten teilen
Quellaufnahmen mit sehr niedriger Bitrate

Technische FAQ

Behalten Sie meine hochgeladenen Dateien?

Wir behalten Ihre Dateien auf unseren Servern lange genug, damit Sie die Ergebnisse herunterladen können. Dateien werden nach dem Download oder Ablauf zur Löschung markiert. Siehe unsere Datenschutzerklärung für Details.

Was ist die maximale Dateigröße?

100 MB pro Upload für Audiodateien — die meisten Songs deutlich unter 10 Minuten liegen auch in verlustfreien Formaten innerhalb dieses Limits. Videodateien können bis zu 1 GB groß sein; wir extrahieren die Audiospur automatisch vor der Verarbeitung.

Warum dauert die Verarbeitung 30–90 Sekunden?

Unser KI-Modell ist rechenintensiv. Selbst mit GPU-Beschleunigung erfordert die Verarbeitung eines vollständigen Songs, das neuronale Netz über viele überlappende Audiosegmente laufen zu lassen. Wir verarbeiten so schnell, wie es die Hardware erlaubt.

Warum 256 kbps MP3-Ausgabe?

256 kbps liegt am oberen Ende der Spanne des MP3-Formats — transparent für praktisch alle Hörer und in Standard-Hörtests nicht von verlustfreiem Audio zu unterscheiden, während die Dateigröße kleiner bleibt als das 320-kbps-Limit des Formats.

Wie Unser KI-Vocal-Remover Funktioniert