Come estrarre basi strumentali pulite dalle canzoni: strumenti e tecniche
Isolare una base strumentale pulita da una traccia stereo mixata è un problema inverso mal posto – stai cercando di smiscelare ingredienti già cotti. La separazione perfetta è impossibile senza tracce multitraccia, ma gli strumenti AI moderni si avvicinano notevolmente per molti generi.
La qualità della sorgente è fondamentale
- Parti da lossless: WAV, FLAC, ALAC da CD/HDTracks/Qobuz/Tidal. Artefatti MP3/AAC (pre-echo, buchi spettrali) confondono i modelli di separazione.
- Evita: Rippaggi YouTube, MP3 a 128 kbps, rippaggi vinile con fruscio/click.
Opzioni software (2024)
| Strumento | Tipo | Punti di forza | Costo |
|---|---|---|---|
| UVR5 (Ultimate Vocal Remover v5) | GUI locale (Python/ONNX) | Migliore gratuito; modelli MDX-Net, VR-Arch, Demucs; batch; nessun upload | Gratis (open-source) |
| Demucs (Meta/FAIR) | CLI / libreria Python | Stato dell'arte della ricerca; 4 stem (batteria, basso, voce, altro) | Gratis |
| AudioShake / Moises / Lalal.ai | Cloud API / Web | Facile; buono per utenti non tecnici | Freemium / al minuto |
| RX 11 Advanced (iZotope) | Plugin DAW professionale | Music Rebalance, riparazione spettrale, de-bleed | $1.199 |
| RipX DeepAudio | DAW standalone | Modifica a livello nota, separazione stem | $99–$599 |
| Audacity + plugin OpenVINO | DAW gratuito | Riduzione/inversione vocale di base | Gratis |
Tecniche chiave (cosa fanno effettivamente i modelli)
- Maschera tempo-frequenza: STFT → prevede maschera vocale/non vocale per bin → iSTFT.
- Deep learning (CNN/Transformer): Addestrato su MUSDB18, Slakh2100, DAMP per prevedere spettrogrammi sorgente.
- Ricostruzione consapevole della fase: Modelli recenti (HTDemucs, MDX-Net) predicono spettrogrammi complessi → migliore coerenza di fase.
- Separazione multi-banda / armonico-percussiva: Pre-elaborazione per isolare transienti vs tonali.
Flusso di lavoro per i migliori risultati
- Carica sorgente lossless in UVR5 (o Demucs via CLI).
- Seleziona modello: MDX-Net Kim Vocal 2 (voci) o VR-Arch (strumentale).
- Esegui separazione → output:
vocals.wav,instrumental.wav. - Ispeziona in DAW (Reaper, Audacity): ascolta da solo lo strumentale; cerca artefatti (alti acquosi, fantasmi vocali, batteria spalmata).
- Se artefatti: prova modello diverso, aggiusta aggressività, o ensemble di più output (allinea fase e media).
- Post-elabora: taglio delicato ad alta frequenza (8–12 kHz) per ridurre sibilanti residue; riparazione spettrale (RX) per bleed ostinati.
- Esporta strumentale finale (WAV 24/44,1 o 24/48).
Classifica difficoltà per genere
| Facile | Media | Difficile |
|---|---|---|
| EDM / Synth-pop (separazione pulita) | Rock / Pop (medio fitto) | Acustico / Jazz (bleed, nessun click) |
| Hip-hop (voci spesso centrate, secche) | Metal (muro di chitarre) | Registrazioni dal vivo (ambiente, pubblico) |
| Versioni karaoke esistenti (phase cancel) | Voci con molto riverbero | Mono / mix vintage mal fatti |
Verifica legale
Creare strumentali per pratica personale, parodia o educazione è generalmente uso lecito. Distribuire, monetizzare o usare in produzioni commerciali senza una licenza master-use dall'etichetta/editore è violazione del copyright. Stem da release ufficiali (es. Splice, Beatport, pack artista) sono l'unica via senza rischi per lavoro commerciale.
In sintesi: UVR5 + MDX-Net su sorgente lossless ti porta al 90% gratuitamente. L'ultimo 10% richiede orecchie, pazienza e talvolta una licenza.