アップロードからダウンロードまで、2分以内。FreeVocalRemoverを支える技術と手順をご紹介します。
ドラッグ＆ドロップするか、クリックして選択します。MP3、WAV、FLAC、M4A、AAC、OGG、AIFF、WMA、Opusなど（最大100 MB）と、MP4、MOV、MKV、AVI、WebM、FLV、WMV、MPG、3GPなどの動画ファイル（最大1 GB）に対応しています。音声は自動で抽出します。
GPUで高速化されたAIモデルが周波数パターンを解析し、音楽からボーカルの層を分離します。
ボーカルトラックとインストゥルメンタルの伴奏トラックを、256 kbpsの高品質MP3ファイルとしてダウンロードします。
FreeVocalRemoverは、音楽のソース分離のための最先端の深層学習モデルを使用しています。次の要素を組み合わせたハイブリッドアーキテクチャを採用しています：
このモデルは、数千のプロがミックスしたマルチトラック録音で学習しました。あらゆるジャンルと制作スタイルのボーカルのパターンを認識し、分離することを学んでいます。
従来の方法：インストゥルメンタルトラックの位相を反転させて、原曲とミックスします。完全に同じ公式のインストゥルメンタル版がある場合にしか機能せず、そのようなものはほとんど存在しません。
現代のAIは、どの単一のミックス音声ファイルからでも動作します。インストゥルメンタルトラックは不要です。ニューラルネットワークは、学習した音声パターンでボーカルを分離します。参照トラックは必要ありません。
アップロードされたファイルは、標準化された音声ストリームにデコードされます。これにより、入力形式に関係なく安定した品質が保たれます。
音声は、AIモデルを実行するGPUサーバーに送られます。GPUによる高速化により、3分の曲をおよそ30〜60秒で処理します。
分離されたステムは、最大限の互換性と品質のために256 kbpsのMP3にエンコードされます。ボーカルとインストゥルメンタルの両方のトラックがダウンロードの準備を整えます。
ダウンロードリンクは、期限付きのアクセストークンで生成されます。ファイルは処理後すぐにアクセスできます。
AIによるボーカル分離は驚くほど良くなりましたが、魔法ではありません。期待できることは次のとおりです。