Gesang entfernen: kostenloser Vocal Remover mit KI

Wie entferne ich den Gesang aus einem Lied?

1. Song auswählen

   Zieh eine MP3-, WAV-, M4A-, FLAC- oder OGG-Datei in das Feld oder wähl ein Video aus. Der Browser liest die Datei selbst; hochgeladen wird nichts.

2. „Gesang entfernen“ drücken

   Beim ersten Mal lädt das KI-Modell einmalig herunter (171 MB). Danach arbeitet sich die KI in Abschnitten von etwa acht Sekunden durch den Song, und der Fortschrittsbalken zeigt, wie weit sie ist.

3. Anhören und anpassen

   „Instrumental“ spielt den Song ohne Stimme, „Nur Gesang“ liefert die A-cappella-Spur. Einzelne Spuren schaltest du an oder aus und stellst ihre Lautstärke zwischen 0 und 150 Prozent ein, bis dein eigener Mix passt.

4. Herunterladen

   Speicher das Instrumental, den Gesang, jede einzelne Spur oder deinen Mix als WAV-Datei in CD-Qualität (44,1 kHz, 16 Bit, Stereo).

Stimme aus Lied entfernen: welche Spuren bekommst du?

Alte Karaoke-Tricks löschen einfach die Mitte des Stereobilds und erwischen dabei oft auch Bass und Bassdrum. Der Vocal Remover geht anders vor: Ein KI-Modell hört sich den ganzen Song an und baut ihn als vier getrennte Spuren neu auf, im Studio „Stems“ genannt.

• Gesang – Lead- und Begleitstimmen, also die A-cappella-Version
• Schlagzeug – Bassdrum, Snare, Becken und andere Percussion
• Bass – E-Bass, Synthiebass und tiefe Töne
• Andere Instrumente – Gitarren, Klavier, Streicher, Synthesizer und alles Übrige

Zusammen klingen die vier Spuren wie das Original. Das Instrumental besteht aus Schlagzeug, Bass und den anderen Instrumenten ohne Gesang. Genau das suchen die meisten, wenn sie eine Stimme aus einem Lied entfernen wollen: ein Playback für die Karaoke-Party, für die Gesangsstunde oder zum Mitspielen.

Wie trennt eine KI Stimme und Instrumente?

Hinter dem Vocal Remover steckt Hybrid Transformer Demucs (htdemucs), ein Open-Source-Modell aus der Forschung von Meta. Es wurde mit Tausenden Songs trainiert, Stimmen und Instrumente auseinanderzuhalten. Dabei betrachtet es den Klang gleichzeitig auf zwei Arten: als Wellenform und als Spektrogramm, also als Bild davon, welche Frequenzen wann erklingen. Ein Transformer verbindet beide Ansichten, sodass das Modell einer Stimme auch dann folgen kann, wenn eine Gitarre dieselben Töne spielt.

Der Song wird in überlappenden Abschnitten von etwa acht Sekunden verarbeitet, die Übergänge werden weich überblendet, damit keine Nahtstellen zu hören sind. Das alles läuft mit ONNX Runtime Web auf deinem Gerät: auf dem Grafikchip, wenn der Browser WebGPU kann, sonst auf dem Prozessor. In unserem Test mit einem künstlichen Mix aus Computerstimme und erzeugtem Beat lag die Gesangsspur fast deckungsgleich auf der Stimme (Korrelation 0,99) und enthielt nichts vom Beat. Echte Aufnahmen sind schwieriger, dazu mehr im nächsten Abschnitt.

Warum hört man noch Reste vom Gesang?

Hall, Echo und Chöre, die mit den Instrumenten verschmelzen, lassen sich von keinem Verfahren vollständig trennen. Mit diesen Tipps holst du das Beste aus deinem Song heraus:

• Nimm die beste Datei, die du hast. WAV, FLAC oder eine MP3 mit hoher Bitrate trennen sich sauberer als eine stark komprimierte Kopie.
• Studioaufnahmen funktionieren am besten. Bei Live-Mitschnitten mischen sich Publikum und Raumhall mit der Stimme, und ein Teil davon bleibt im Instrumental.
• Starker Hall auf der Stimme kann eine leise Fahne im Instrumental hinterlassen. Dreh die Gesangsspur lieber herunter, statt sie ganz stummzuschalten.
• Begleitchöre, die wie ein Instrument klingen, landen manchmal bei „Andere Instrumente“. Umgekehrt können Instrumente nah an der Stimme, etwa ein Lead-Synth oder eine Geige, leise in der Gesangsspur mitklingen.
• Für Karaoke: Lass beim Instrumental den Gesang mit 10 bis 20 Prozent mitlaufen. Eine leise Führungsstimme hilft dir, die Melodie zu halten.

Mischen, Schleife, Tonart und Tempo ändern

Nach dem Trennen arbeitet der Vocal Remover wie ein kleines Studio: Jede Spur hat eine Wellenform, Stumm (M), Solo (S) und einen Lautstärkeregler, und Presets wechseln zwischen Instrumental, Karaoke mit leiser Führungsstimme, Nur Gesang, Ohne Schlagzeug, Ohne Bass und Alle Spuren.

• Tonart – bis zu sechs Halbtöne höher oder tiefer, Tempo bleibt.
• Tempo – 50 bis 150 Prozent, Tonhöhe bleibt.
• Schleife – eine Stelle wiederholen und üben.
• BPM und Tonart – geschätzt aus Schlagzeug und harmonischen Spuren.
• Downloads – einzelne Spuren, Instrumental, Gesang, dein Mix oder alle Spuren als ZIP, mit geänderter Tonart und Tempo.

Hohe Präzision trennt jeden Abschnitt zweimal und mittelt die Ergebnisse; in unserem Test war das etwa 0,6 dB sauberer.

Datenschutz und Musikrechte: was darfst du mit den Spuren machen?

Dein Song wird an keinen Server geschickt: Dein Browser liest ihn, trennt ihn und speichert die Ergebnisse. Privat ist das also schon durch die Bauweise.

Den Gesang für deinen eigenen Karaoke-Abend, zum Üben oder zum Lernen zu entfernen, ist in Ordnung. Willst du einen Remix, ein Cover-Playback oder ein Video mit den Spuren veröffentlichen, brauchst du die Rechte an der Originalaufnahme, denn der Song gehört weiterhin seinen Urhebern und Rechteinhabern.