3SELLER Journal 3SELLER →

Создать акапеллу из песни: как удалить голос и не убить микс - 6 проверок за две минуты

21.11.2026

Первый раз я разбирал песню на вокал и минус в 2016 году. Тогда это называлось вычитанием центра, и результат звучал как разговор через стену: бубнение, плавающая середина, тарелки в труху. Сегодня четырехминутный трек делится на два файла за десять секунд. Магии нет. Есть архитектура модели, качество исходника и понимание, где алгоритм ломается.

Дальше - практика: что происходит внутри при разделении, какие жанры прощают ошибки, а какие нет, и когда выгоднее не вырезать чужой вокал, а собрать свой трек с нуля.

ИИ не вычитает голос, он угадывает, где голос был

Старый способ сделать минус выглядел грубо. Инвертировали один канал стерео, складывали со вторым, и все, что стояло по центру, взаимно уничтожалось. Вокал исчезал. Вместе с ним исчезали бочка, бас, снейр и половина гитары. Минусовки из нулевых звучали как каша, и виновата тут не лень звукорежиссеров, а физика.

Нейросеть подходит к задаче как к картинке. Трек переводится в спектрограмму: по горизонтали время, по вертикали частота, яркость показывает энергию. Дальше модель для каждого кусочка спектра решает, где голос, где барабаны, где бас, а где все остальное. Решение принимается не по правилу, а по обученному опыту на десятках тысяч размеченных треков.

Отсюда главный вывод, который многие пропускают. Алгоритм не удаляет вокал, он реконструирует инструментал на месте вокала. Там, где певец перекрывал гитару, модель дорисовывает гитару по соседним кадрам. Чем предсказуемее аранжировка, тем правдоподобнее дорисовка.

Где разделение звучит чисто, а где рассыпается

Попса, хаус, типичный рок с вокалом по центру разделяются почти идеально. Плотный микс, ровный ритм, предсказуемая гармония, голос сидит в середине и не гуляет. Модели видели такие треки тысячами.

Хуже с живыми записями. Концертник с реверберацией зала, где голос поймали дальним микрофоном, дает хвосты: акапелла тянет за собой часть зала, минусовка теряет воздух. Живые барабаны с оверхедами, в которые пролез вокал, потом никуда не денешь. В обсуждениях на Reddit звукорежиссеры сходятся: концертные записи - самый неблагодарный материал для любого разделителя, сколько бы слоев ни добавили в модель.

Совсем плохо с рэпом поверх сэмпла, где читка и мелодический луп живут в одном диапазоне. Модель путается и режет либо слишком мало (в минусе слышны обрывки слов), либо слишком много (в акапелле дырки на месте сэмпла).

Отдельная история - хор и бэки. Если нужен только лид, придется либо смириться с подпевками в акапелле, либо чистить вручную. Автоматика работает на уровне «отделить все голосовое от всего неголосового».

Десять секунд обработки и два файла: чего ждать на выходе

Типичный сценарий: загрузили файл, подождали секунды, получили два трека. Один без вокала, второй с изолированным голосом. Форматы обычно wav и mp3, качество зависит от исходника, а не от настроек экспорта. Из mp3 128 kbps чистую акапеллу не сделаете, там уже нет половины информации.

Заявленные десять секунд - реальность для короткого трека на нормальном железе. Длинные файлы и очередь на сервере растягивают процесс, но разница в скорости между сервисами сегодня минимальна. Смотреть надо не на секундомер, а на спектр результата.

Бесплатный доступ обычно упирается в лимиты: длина файла, количество треков в сутки, битрейт выгрузки. Для караоке в кругу друзей этого хватает. Для релиза на площадках нет.

Как проверить качество за две минуты, не слушая весь трек

Первый тест простой: включите акапеллу в наушниках на тихой громкости. Металлический призвук, будто голос идет через дешевый кодек, означает, что модель недобрала. Бульканье баса на низах - перебрала.

Второй тест: в минусовке на месте припева должно быть пусто и при этом музыкально. Если в паузах между фразами что-то шуршит или проскакивают согласные, маска захватила лишнее.

Третий тест: соло-инструмент. Скрипка, саксофон, синт-лид в том же диапазоне, что и голос, выживают редко. Их модель либо съедает вместе с вокалом, либо оставляет в акапелле.

И главное. Слушайте не отдельные файлы, а их сумму. Сложите минус и акапеллу обратно, выровняйте по фазе. Если сумма звучит как исходник, разделение корректное. Если появился фленжер и провалилась середина, файлы стоит пересобрать иначе или взять другую модель.

Минусовка для караоке: три вещи, которые ломают вечер

Первое. Минус без бэков звучит голо. Многие сервисы убирают весь вокал разом, включая подпевки, и припев превращается в пустоту. Иногда лучше оставить бэки, убрав только лид.

Второе. Тональность. ИИ ничего не транспонирует, он просто делит. Если песня высоковата, минус придется опустить на тон-два в редакторе, и это уже другая история с артефактами.

Третье. Метроном. Караоке требует стабильного темпа, а живая запись дышит. Минус с плавающим темпом и без клика превращает пение в лотерею.

Акапелла для ремикса: что делать сразу после извлечения

Чистый вокал почти никогда не бывает готовым семплом. Первым делом чистка: убрать щелчки, вырезать тишину по краям, при необходимости приглушить шипение. Потом тюн, если он нужен, и только потом темп.

Темп меняйте осторожно. Вокал, растянутый на десять процентов, еще держится. На двадцать начинаются артефакты фазового вокодера, которые не спрячет никакой сайдчейн.

Тональность важнее темпа. Сдвиг на полутон вниз почти незаметен, на три уже слышно, что певец не тот. Определяйте тональность до того, как строить вокруг акапеллы бит.

И про фазу. Акапелла из модели может прийти с задержкой в несколько миллисекунд относительно минуса. При сборке это дает размазанный центр. Выравнивайте по первому транзиенту вручную.

Частые артефакты и как их слышать

Металлический оттенок на согласных. Признак агрессивной маски: модель уверена, что это голос, и режет шипящие с запасом.

Плавающий уровень. Громкость акапеллы гуляет на слогах, будто кто-то крутит фейдер. Лечится компрессией, но лучше взять модель, которая так не делает.

Призвук воды на длинных нотах. Классика для старых архитектур, которые работали по фазам. Современные модели этим страдают меньше, но на реверберированных записях все равно пробивается.

Обрывки слов в минусе. Самое неприятное. Слышно, что вокал был, но не слышно, что именно. Причина в тихой читке или в вокале, записанном с дабл-треком.

Что влияет на результат сильнее всего

Битрейт. Разница между wav и mp3 320 слышна, между 320 и 128 огромная. Один знакомый гитарист принес минус, собранный из 128-го mp3: верх пропал, зато бас булькал так, что партию пришлось переписывать. Если есть выбор, всегда берите исходник в lossless.

Стерео. Моно-файл делится хуже, потому что у модели меньше признаков для разделения. Многие даже не подозревают, что у них моно, пока не глянут в редакторе.

Плотность микса. Чем больше инструментов в одном диапазоне с голосом, тем грязнее результат. Ничего не сделать, это предел метода.

Длина трека. На длинных файлах накапливается дрейф, особенно если запись живая. Иногда имеет смысл резать на куски по 30 секунд и обрабатывать отдельно, а потом склеивать.

Когда проще сгенерировать, чем отделять

Вам нужна акапелла, а исходника нет. Или есть, но это концертная запись с залом, и после разделения слушать невозможно. Или нужен минус в другой тональности, а транспонировать без артефактов не получается.

В таких случаях вырезать чужое становится дороже, чем сделать свое. Генерация трека с нуля снимает вопрос артефактов: нет масок, нет остатков реверберации, нет борьбы за чистоту.

Свой трек под нужное настроение за пару шагов

Для таких задач держу под рукой 3seller.com/suno. Сервис делает песни и вокал, которые на слух не отличить от живых исполнителей. Это не «сойдет для демо». Это готовый материал, который можно ставить в караоке-плейлист, в ремикс или в подкаст.

Создайте любую песню, какую только можете представить. Начните с простой идеи или сразу откройте профессиональные инструменты, ваш следующий трек уже близко. Цена от 149 рублей.

Чтобы сделать ИИ-песню, не обязательно начинать с готовой композиции. Достаточно сформулировать, о чем она и какое настроение должна передавать.

01 / Идея. Задайте направление. Опишите тему, настроение и желаемое звучание. Подойдет и песня о любви, и танцевальный трек, и история для особенного случая.

02 / Слова. Добавьте текст или сюжет. Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни.

Генерация песни с помощью ИИ на 3seller.com/suno

Правовая сторона, о которой вспоминают поздно

Разделение стема не создает прав на песню. Акапелла чужого трека - производная запись, и для публикации нужно разрешение правообладателя. Караоке в кругу друзей и релиз в стримингах это разные правовые режимы, причем принципиально разные.

Ремиксы официально делают по лицензии или по стем-пакам от лейбла. Все остальное - серая зона, где вопрос решает не модель, а юрист.

Собственная генерация снимает часть вопросов, но не все. Смотрите условия сервиса: кому принадлежат права на результат, можно ли использовать коммерчески, есть ли ограничения по тарифу. На 3seller.com/3gpt собраны инструменты с понятными условиями, это удобнее, чем коллекционировать их по десятку сайтов.

Маршрут, который я использую сам

  1. Исходник в лучшем доступном качестве: стерео, wav, без обработки на мастере.
  2. Разделение на стемы и прослушивание суммы обратно, чтобы понять, где модель наврала.
  3. Чистка акапеллы вручную: щелчки, тишина, дыхания, если они мешают.
  4. Сборка нового контекста: бит, темп, тональность, выравнивание по фазе.
  5. Финальный рендер и сравнение с исходником на одной громкости, а не на слух.

Начните с одного трека. Возьмите песню, которую давно хотели спеть, прогоните через разделение, послушайте минус. Если результат разочаровал, не мучайте алгоритм, соберите свою версию на 3seller.com/suno за 149 рублей и сравните. После такого сравнения вопрос «какой сервис лучше удаляет вокал» обычно перестает быть главным.

← Вернуться к блогу

Читать дальше