突然好奇，消除歌曲中的人声技术上是怎么实现的？

[KC35]

例如有一个音频文件，把歌手的声音和乐器分开

得到两个音轨：一个是人声音轨，另一个是乐器部分

[8eacekeep]

乐器一般占高低频，以前就是直接抠。现在人工智的话，大概是分析人声特征吧，不过不论哪一种效果都不咋地，都抠不干净的

[Xymmh]

利用人声在左右声道里相位相同的原理吧，记得几百块钱的电子琴都有这个功能，还是实时的

[h0099]

https://en.wikipedia.org/wiki/Fourier_transform
https://en.wikipedia.org/wiki/Fourier_analysis
https://en.wikipedia.org/wiki/Spectrogram
https://en.wikipedia.org/wiki/Chroma_feature

[moondark]

这种叫做 声伴 分离技术，用机器学习训练的
最新算法目前对于流行歌曲抠的还可以，对于 RAP 类的不太行

[zhuangzhuang1988]

可以看下吴恩达的 机器学习，无监督学习 下面链接直接定位到了 那个 DEMO
https://www.bilibili.com/video/BV164411b7dx?t=393.7&p=4
PS: 都是数学

[noe132]

最简单的就是看声相位置，通常鼓和人声都在声场中间，其他乐器通常在侧位，可以直接分离出来，但是这种看歌曲，而且很多时候效果并不好，还会把鼓点也都移除掉了。以前用 Audition 操作过，很简单只需要按几下按钮就能搞定。
复杂的就不太了解了

[KC35]

@h0099 谢谢大佬，粗略看了一下，稍微了解了。但是人也傻了。🐶


@zhuangzhuang1988 感谢大佬分享～


刚也查到了字节博士有个开源。相关网站：
https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247594465&idx=3&sn=83a18be3019dbecd6040031618d112dc&chksm=e8d1c693dfa64f85e7db0f5157d533361da6c8b71a9ceacdfc29a28399bd6d0bade7a046014f&token=497180065&lang=zh_CN#rd

https://www.reddit.com/r/MachineLearning/comments/pqpl7m/r_decoupling_magnitude_and_phase_estimation_with/

github： https://github.com/bytedance/music_source_separation

[Yadomin]

一直用 https://github.com/deezer/spleeter

[zeni123]

和人工智能抠图后背景还在那种场景差不多

[KC35]

@Yadomin 这个可以！

[bao3]

@Yadomin 感谢分享这个很有用

[shakoon]

模拟电路里，这是一个滤波器，可以把特定频率的声波减弱，几十年前的卡拉 OK 功放机就有这个功能，当然，效果是有限的，因为有很多伴奏也在人声的这个范围。实际上三十年前的卡拉 OK VCD 是将已经用上面方式去掉人声的伴奏作为一个声道，完整的歌曲作为另一个声道，这样极大方便了使用，也降低了对设备的要求。

[fengleiyidao]

估计，最简单粗暴的方法就是，直接在频域把人声最强的那个频段清零，或幅度压低。

[fengleiyidao]

@shakoon
Bandstop filter

[xuanbg]

没有什么信号是傅立叶变换滤不出来的。。。

[youxiachai]

团子 AI 这块做得蛮好的...如果有需求的话,可以充值一下..

[billlee]

@fengleiyidao 但流行音乐伴奏的频率和人声是一样的啊

[edis0n0]

@Yadomin #8 这个效果太差了，之前看到过一个安装包大小快 20GB 的开源项目效果比这个好很多，但也比付费的差很多，目前测试过效果还行的是 moises.ai （不是广告），也只能说还行，还是有很多没抠掉，每个账号免费 5 首

[fengleiyidao]

@billlee 人声应该是主要集中在一个很窄的频段里，比音乐窄多了。

[MMMMMMMMMMMMMMMM]

bass 低频，vocal 中频，drum 根据 bpm 间隔性剥离，AI 火起来之前是这么干的

现在流行 AI 炼丹了，对抗生成什么的