どんな曲もカラオケ音源に変えられます。ブラウザで動く AI モデルがボーカルを取り除き、演奏だけが残ります。歌の練習やカバー、そしてバンドが実際に何を演奏しているのかを聴き取るのに便利です。
使い方
- 曲をドロップします。MP3、WAV、M4A、FLAC のほか、音声を取り出したい動画にも対応しています。
- 残したいパートを選びます。モデルのダウンロードは初回のみ（約 90 MB）で、以降はキャッシュされます。
- 各パートをページ上で試聴してから、MP3 または WAV でダウンロードします。
よくある質問
- コーラスも消えますか？
- たいていは消えます。モデルはリードボーカルだけでなく歌声全般を分離するため、ハーモニーや合唱も一緒に取り除かれる傾向があります。痕跡が残りやすいのは、語りのサンプルや、エフェクトを強くかけたボーカルです。
- ファイルはアップロードされますか？
- いいえ。モデルもすべての処理も、あなたのブラウザの中、あなたの端末上で動作します。ご自分で確かめられます。ブラウザのデベロッパーツール（DevTools）を開いて「ネットワーク」タブを見ながらファイルを処理してください。アップロードは一切発生しません。初回アクセス以降は、ほとんどのツールが完全にオフラインでも動作します。
- 分離の精度はどのくらいですか？
- とても高い精度ですが、スタジオで録った素材ほど完璧ではありません。Demucs はこの用途で最も優秀なオープンモデルのひとつで、ほとんどの曲はきれいに分かれます。ただし、ほかのパートの音がかすかに残ることがあり、特にボーカルにかかったリバーブや、ボーカルと周波数帯が重なるシンバルで起こりがちです。ミックス済みの曲だけを手がかりに処理するため、ミックスで埋もれてしまった音までは取り戻せません。
- どのくらい時間がかかりますか？
- ノートパソコンでの実測値です。対応する GPU があれば曲の長さの約半分（3 分の曲ならおよそ 1 分半）で終わります。GPU がない場合はプロセッサで処理され、曲の長さの約 1.8 倍、つまり同じ曲で 5 分ほどかかります。どちらの方式で処理されるかは、開始前にページ上でお知らせします。
- どのモデルを使っていますか？結果は自由に使えますか？
- Meta AI Research の HTDemucs v4 です。MIT ライセンスで公開されており、Meta 自身のチェックポイントから書き出したものを使っています。ライセンスが適用されるのはモデルであって、曲の権利は引き続きその権利者のものです。市販曲から取り出したステムはご自身の練習用であり、リリースするためのものではありません。