Separar voz de música gratis: Vocal Remover con IA

¿Cómo quitar la voz de una canción?

1. Elige la canción

   Suelta un archivo MP3, WAV, M4A, FLAC u OGG en el recuadro, o elige un vídeo. El navegador lo lee por sí mismo: no se sube nada.

2. Pulsa «Quitar la voz»

   La primera vez se descarga el modelo de IA (171 MB). Después la IA recorre la canción en tramos de unos ocho segundos; la barra de progreso muestra el avance.

3. Escucha y ajusta

   «Instrumental» reproduce la canción sin voz y «Solo voz» te da la versión a capela. Activa o silencia cada pista y ajusta su volumen entre 0 y 150 % hasta tener tu propia mezcla.

4. Descarga

   Guarda el instrumental, la voz, cada pista por separado o tu mezcla como archivo WAV con calidad de CD (44,1 kHz, 16 bits, estéreo).

Separar voz de música: ¿qué pistas obtienes?

Los viejos trucos de karaoke se limitan a borrar el centro de la imagen estéreo. El Vocal Remover lo hace de otra forma: un modelo de IA escucha la canción entera y la reconstruye en cuatro pistas separadas, lo que en los estudios se llama «stems».

• Voz – voz principal y coros, es decir, la versión a capela
• Batería – bombo, caja, platillos y demás percusión
• Bajo – bajo eléctrico, bajo de sintetizador y notas graves
• Otros instrumentos – guitarras, piano, cuerdas, sintetizadores y todo lo demás

Juntas, las cuatro pistas suenan como el original. El instrumental es la batería, el bajo y los otros instrumentos sin la voz. Eso es lo que busca casi todo el mundo que quiere separar la voz de la música: una pista de karaoke o una base para ensayar canto.

¿Cómo separa una IA la voz de los instrumentos?

La separación usa Hybrid Transformer Demucs (htdemucs), un modelo de código abierto de Meta entrenado con miles de canciones para distinguir voces e instrumentos. Analiza el sonido de dos maneras a la vez: como forma de onda y como espectrograma, una imagen de qué frecuencias suenan en cada momento. Un transformer une las dos vistas, así que el modelo puede seguir una voz aunque una guitarra toque las mismas notas.

Los tramos de unos ocho segundos se solapan y se funden con suavidad, sin cortes audibles. Todo esto funciona en tu dispositivo con ONNX Runtime Web: en el chip gráfico si el navegador admite WebGPU y, si no, en el procesador. En nuestra prueba con una mezcla artificial (voz sintética y ritmo generado), la pista de voz siguió a la voz con una correlación de 0,99, sin nada del ritmo; una canción real es más difícil.

¿Por qué todavía se oye un poco la voz?

La reverberación, el eco y los coros fundidos con los instrumentos no se separan del todo con ninguna herramienta. Algunos consejos para un resultado más limpio:

• Empieza por el mejor archivo que tengas. Un WAV, un FLAC o un MP3 de alta tasa de bits se separa mejor que una copia muy comprimida.
• Las grabaciones de estudio funcionan mejor: en un directo, el público y el eco de la sala se mezclan con la voz y parte se queda en el instrumental.
• Mucha reverberación en la voz puede dejar una estela suave en el instrumental. Baja la pista de voz en lugar de silenciarla del todo.
• Los coros que suenan como un instrumento a veces acaban en «Otros instrumentos»; un sintetizador solista o un violín, en cambio, puede colarse un poco en la pista de voz.
• Para karaoke, deja la voz al 10 o 20 %: una guía suave te ayuda a no perder la melodía.

Mezclar, repetir, cambiar tonalidad y velocidad

Después de separar, el Vocal Remover es un pequeño estudio: cada pista tiene forma de onda, silencio (M), solo (S) y volumen, y los preajustes cambian entre Instrumental, Karaoke con voz guía, Solo voz, Sin batería, Sin bajo y Todas las pistas.

• Tonalidad: hasta seis semitonos, mismo tempo.
• Velocidad: del 50 al 150 %, misma altura.
• Bucle: repetir un pasaje para practicarlo.
• BPM y tonalidad: estimados a partir de la batería y las pistas armónicas.
• Descargas: pistas sueltas, instrumental, voz, tu mezcla o todo en un ZIP, con la tonalidad y velocidad elegidas.

Privacidad y derechos: ¿qué puedes hacer con las pistas?

Tu canción nunca se envía a un servidor: tu navegador la lee, la separa y guarda los resultados, así que es privada por diseño.

Quitar la voz para tu propio karaoke, para practicar o para estudiar no es ningún problema. Si quieres publicar una remezcla, una base para una versión o un vídeo que use las pistas, necesitas los derechos de la grabación original, porque la canción sigue perteneciendo a sus autores y titulares de derechos.