Separador de pistas con IA, gratis

¿Qué es un separador de pistas?

Un stem es una parte de una canción terminada, sola: la voz, la batería, el bajo, todo lo demás. Los productores obtienen los stems de la sesión, cuando exportan cada grupo de pistas como un archivo propio. Cuando solo tienes el archivo estéreo final, un separador de pistas, también llamado separador de stems o extractor de stems, permite separar esas partes estimándolas con una red neuronal.

El nuestro te da cuatro stems en Fast. Voz son la voz principal y los coros. Batería es el kit y la percusión. Bajo es la línea grave, sea un bajo eléctrico o un sintetizador. Otros es todo lo que queda: guitarras, teclados, pads, cuerdas, metales y efectos. En HQ la guitarra y el piano salen como stems propios, así que Otros contiene lo que resta. También se busca lo mismo como separador de canciones, separador de música o separador de audio. Si solo necesitas separar la voz de los instrumentos, las páginas de quitar la voz y de acapella lo hacen en un solo paso.

Qué hacen los productores con los stems

Remix y bootleg: te quedas con la voz y reconstruyes todo lo que hay debajo. Sampleo: sacas un break de batería o una línea de bajo sin que moleste el resto del tema. Sets de DJ: silencias la voz para mezclar dos canciones, o dejas solo la batería y el bajo para una transición larga. Aprender: pones en solo el bajo de un disco que te encanta para ver qué toca de verdad.

Los stems también sirven para tocar encima. Silencia la batería y tienes un quitabatería, silencia el bajo y tienes un quitabajo, y así tocas esa parte tú con el resto del disco. Con HQ puedes silenciar solo la guitarra o solo el piano y tocarlos tú. Obtienes las partes aisladas sin pedirle a nadie los archivos de la sesión.

La separación de stems con IA, explicada

Fast usa Demucs v4, el transformer híbrido del equipo de investigación en IA de Meta, publicado como código abierto. Mira la canción de dos maneras a la vez, como forma de onda y como espectrograma, y aprende a predecir cada stem a partir de lo que oye. Se entrenó con grabaciones multipista, donde los stems se conocen, y así aprendió cómo se ven una voz, una caja o una línea de bajo dentro de una mezcla.

HQ usa BS-RoFormer, un diseño más reciente que divide el espectrograma en bandas de frecuencia y deja que un transformer siga cada banda a lo largo del tiempo y entre bandas. El modelo que ejecutamos es de seis stems y lo comparte abiertamente gente que trabaja en separación de música. En las pruebas públicas este tipo de modelo puntúa más alto que Demucs v4. El precio es el tamaño y el tiempo.

Ejecutamos los dos con ONNX Runtime Web, sobre tu tarjeta gráfica cuando el navegador tiene WebGPU (Chrome y Edge recientes), algo que HQ necesita. Fast también puede funcionar con tu procesador, más despacio. La canción se corta en ventanas que se solapan, de unos ocho segundos en Fast y cuatro en HQ, y se enlazan con fundidos cruzados, para que no se oigan empalmes. Tu navegador descarga un modelo una sola vez y lo conserva.

¿Qué tan buenos son los stems?

Buenos, pero no perfectos. Demucs v4 es un modelo abierto muy conocido en el que se basan muchas herramientas, pero la investigación en separación avanza rápido y los modelos más nuevos puntúan más alto en las pruebas, y por eso añadimos HQ. En la práctica, un stem limpio es muy utilizable para remezclar, practicar y como referencia, y los casos difíciles se notan: las colas de reverb de una voz pueden acabar en el stem de otros, los platos pueden filtrarse en él, y una mezcla muy densa deja rastros leves de un stem dentro de otro.

En nuestras pruebas, los cuatro stems de Fast sumados de nuevo quedaron muy cerca de la canción original, así que la separación no tira ningún sonido. HQ estima cada stem por su cuenta, por lo que sus seis stems suman la canción con algo menos de exactitud, y en una canción con voz cantada su stem de voz quedó claramente más limpio entre frases que el de Fast. Un stem sacado de una canción terminada nunca será tan limpio como el mismo stem de la sesión original, y preferimos decírtelo a prometerlo.

Consejos para stems más limpios

Parte del mejor archivo que tengas. Un WAV, un FLAC o un archivo de alta tasa de bits se separa mejor que un MP3 de baja tasa, porque la compresión difumina los detalles que usa el modelo. No le apliques antes limitación extra y no sueltes un archivo que ya haya pasado por un separador de pistas. Si Fast deja rastros que no te gustan, pasa la misma canción otra vez por HQ.

Si vas a samplear, escucha primero todos los stems juntos: tienen que sonar como la canción. Luego pon en solo el que necesitas y límpialo como cualquier sample, con un filtro paso alto suave en la batería o un fundido corto en el corte. Cuando un stem está casi bien, superpón encima una parte tocada por ti y los restos desaparecen.

Gratis, privado y en beta

La separación ocurre en tu dispositivo, así que no nos cuesta nada por canción y podemos dejarla gratis. No hay registro, ni contador de créditos, ni tope diario. Los límites son tu propio dispositivo y la duración de la canción: 10 minutos en Fast y 6 en HQ. Tu canción nunca se sube. Lo que sí descargamos, una sola vez, es el código que ejecuta los modelos y el modelo que elijas (85 MB para Fast, 353 MB para HQ), desde servidores públicos.

Es una beta: funciona, pero algunos dispositivos irán lentos. Si falla con tu canción, escribe a info@obra.art.