Zum Inhalt springen

Gesang aus einem Song entfernen

Teilen Sie einen Song mit einem KI-Modell, das in Ihrem Browser läuft, in eine Gesangsspur und eine Instrumentalspur (Karaoke) oder in Gesang, Schlagzeug, Bass und Sonstiges. Die Musik wird nicht hochgeladen.

Song oder Video hierher ziehenMP3, WAV, M4A, FLAC, OGG – oder der Ton einer MP4-, MOV- oder WebM-Datei · kostenlos bis 10 Min.
Song auswählenAuf Ihrem Gerät verarbeitet – wird nicht hochgeladen
Läuft in Ihrem Browser · kein UploadSo funktioniert's

So verwenden Sie Vocal Remover

  1. 1

    Song oder Video hierher ziehen

    Wählen Sie eine MP3-, WAV-, M4A-, FLAC- oder OGG-Datei oder ein Video, dessen Tonspur Sie benötigen. Seltenere Formate wie AVI oder WMA werden nicht vom Browser, sondern von der integrierten ffmpeg-Engine decodiert.

  2. 2

    2 oder 4 Spuren wählen

    Mit 2 Spuren erhalten Sie eine Gesangsspur und ein Instrumental. Mit 4 Spuren wird die Musik weiter in Schlagzeug, Bass und den Rest aufgeteilt. Beim ersten Durchlauf wird das Modell einmalig heruntergeladen: 39 MB oder 79 MB.

  3. 3

    Auf „Trennen“ klicken

    Der Song durchläuft das Modell in sich überlappenden Blöcken von 12 Sekunden. Der Balken zeigt den Fortschritt und die ungefähr verbleibende Zeit an, und mit „Abbrechen“ stoppen Sie die Arbeit sofort.

  4. 4

    Anhören, stummschalten und solo spielen

    Zuerst läuft das Instrumental, der Gesang ist stummgeschaltet. Schalten Sie jede Spur stumm oder solo, oder klicken Sie auf eine Wellenform, um dorthin zu springen. Alle Spuren bleiben beim Umschalten synchron.

  5. 5

    Als WAV oder MP3 speichern

    Laden Sie das Instrumental, eine einzelne Spur oder alle Spuren in einer ZIP-Datei herunter, als verlustfreie 16-Bit-WAV-Datei oder als MP3 mit 320 kbps.

Limits und Pro

Songs bis 10 Minuten und 500 MB; aus einer längeren Datei werden die ersten 10 Minuten getrennt. Smartphones und Geräte mit 4 GB Arbeitsspeicher oder weniger trennen jeweils bis zu 5 Minuten (3 Minuten mit 4 Spuren).

Auf einem Computer bis zu 20 Minuten pro Song mit 2 Spuren und 12 Minuten mit 4 Spuren. Pro ansehen

Über Vocal Remover

Der Vocal Remover teilt einen fertigen Song in einzelne Spuren auf, sogenannte Stems. Dafür nutzt er Spleeter, ein Modell zur Quellentrennung, das das Forschungsteam von Deezer mit dem eigenen lizenzierten Musikkatalog trainiert und unter der MIT-Lizenz veröffentlicht hat. Im Modus mit 2 Spuren erhalten Sie den Gesang und alles andere, also die Instrumental- oder Karaoke-Version des Songs. Im Modus mit 4 Spuren wird die Musik weiter in Schlagzeug, Bass und die übrigen Instrumente aufgeteilt. Die Spuren werden mit 44,1 kHz in Stereo ausgegeben (eine Mono-Aufnahme bleibt Mono), und zusammen abgespielt ergeben sie exakt die Originalaufnahme.

Genutzt wird das Tool für Karaoke und Gesangsübungen über der Originalbegleitung, für eine „Minus-eins“-Spur, zu der man das eigene Instrument spielt, für A-cappella-Gesang für einen Remix oder Mashup und um eine Basslinie oder ein Schlagzeugmuster nach Gehör herauszuhören.

Das Modell arbeitet mit einem Spektrogramm: Für jeden Zeit- und Tonhöhenabschnitt schätzt es, wie viel davon zu welcher Spur gehört. Es entscheidet bis etwa 11 kHz; darüber erhält jede Spur ihren durchschnittlichen Anteil, sodass Becken und die luftigen Höhen des Mixes erhalten bleiben, statt abgeschnitten zu werden. Die Ergebnisse hängen von der Aufnahme ab. Eine klare Leadstimme über einer Band lässt sich gut trennen. Hallfahnen, gedoppelte Backing-Vocals, Chöre und stark bearbeitete Stimmen hinterlassen oft einen leisen Geist im Instrumental, und Instrumente im Stimmbereich wie eine Leadgitarre oder ein Saxofon können in die Gesangsspur übersprechen. Das Tool kann weder eine Person aus einem Duett herausnehmen noch Tonart oder Tempo ändern oder ein einzelnes Instrument außer Schlagzeug oder Bass entfernen.

Datenschutz

Der Song wird von einem Hintergrund-Worker in diesem Browser-Tab decodiert und getrennt. Das Audio verlässt also nie Ihr Gerät, und ein Konto ist nicht nötig. Heruntergeladen werden nur Programmdateien: die ONNX-Runtime-Engine von jsDelivr und das Spleeter-Modell von Hugging Face (huggingface.co). Das Modell bleibt für den nächsten Song im Speicher dieses Browsers, bis Sie auf „Entfernen“ klicken; die Spuren existieren nur in diesem Tab, bis Sie sie speichern.

Funktionen

Trennung auf Ihrem Gerät

Spleeter läuft über ONNX Runtime in einem Web Worker, mit WebGPU auf der Grafikkarte oder mit WebAssembly auf dem Prozessor.

Stummschalten und Solo während der Wiedergabe

Jede Spur hat eine eigene Wellenform sowie Tasten für Stummschalten und Solo. So hören Sie vor dem Speichern die Karaoke-Version, den Gesang allein oder jede beliebige Kombination.

WAV, MP3 oder ZIP mit allen Spuren

Speichern Sie verlustfreie 16-Bit-WAV-Dateien zum Bearbeiten oder MP3 mit 320 kbps für Smartphones und Karaoke-Apps.

Vocal Remover: Häufig gestellte Fragen

Wie lange dauert es, den Gesang zu entfernen?
Die Verarbeitung läuft auf Ihrem eigenen Prozessor oder Ihrer Grafikkarte, die Dauer hängt also vom Gerät ab. In unserem Test auf einem Kern eines 2,1-GHz-Prozessors ohne GPU-Beschleunigung dauerte ein Song von 4 Minuten mit 2 Spuren etwa eine Minute und mit 4 Spuren knapp zwei Minuten. Browser mit WebGPU nutzen die Grafikkarte und sind oft deutlich schneller, Smartphones können mehrfach langsamer sein. Beim ersten Durchlauf wird zudem das Modell heruntergeladen.
Warum höre ich im Instrumental noch etwas vom Gesang?
Das Modell schätzt für jeden Moment, wie viel zur Stimme gehört. Hall, Echo und Backing-Harmonien überlagern die umgebenden Instrumente, daher können Reste bleiben. Songs mit trockener, mittig platzierter Leadstimme liefern die saubersten Karaoke-Spuren. Gehen Sie von der besten Kopie aus, die Sie haben, etwa einer WAV-Datei oder einer MP3 mit 320 kbps: Kompressionsartefakte einer Datei mit niedriger Bitrate machen die Reste hörbarer.
Was ist der Unterschied zwischen 2 Spuren und 4 Spuren?
Bei 2 Spuren laufen zwei Netze, eines für die Stimme und eines für die Begleitung; der Download umfasst 39 MB. Bei 4 Spuren läuft das Vier-Netze-Set von Deezer, das Gesang, Schlagzeug und Bass getrennt schätzt und Gitarren, Tasten, Streicher und alles andere in „Other“ ablegt; es umfasst 79 MB und ist etwa doppelt so langsam. Jedes Modell wird einmal heruntergeladen und bleibt für das nächste Mal im Browser gespeichert.
Darf ich das Instrumental jedes Songs verwenden?
Das Trennen eines Songs ändert nichts daran, wem er gehört. Die Spuren eignen sich für privates Üben, Karaoke zu Hause, Unterricht und Studium sowie für Remixe von Musik, die Sie selbst geschrieben, lizenziert oder deren Nutzung Sie erlaubt bekommen haben. Wer eine aus fremder Aufnahme erstellte Karaoke-Spur, einen Remix oder A-cappella-Gesang veröffentlicht oder verkauft, braucht meist die Erlaubnis der Rechteinhaber, auch wenn nur ein Teil verwendet wird.
Funktioniert es mit Videos und auf Smartphones?
Ja. Ziehen Sie eine MP4-, MOV-, WebM- oder MKV-Datei hinein, dann wird deren Tonspur getrennt. Die Spuren sind Audiodateien, das Instrumental legen Sie also in einem Videoeditor wieder unter das Bild. Das Tool läuft auch in aktuellen mobilen Browsern, doch Smartphones sind langsamer und haben weniger Speicher, daher werden jeweils bis zu 5 Minuten getrennt, mit 4 Spuren bis zu 3 Minuten.

Weitere Aufgaben mit diesem Tool