Separación de pistas de calidad con IA: extrae pistas limpias con SAM Audio y BS-RoFormer
Una separación de pistas de calidad con IA depende de tres cosas: elegir el modelo adecuado, procesar la canción completa en estéreo y restaurar la fuente cuando presenta daños de compresión. Usa un modelo especializado de pistas fijas, como BS-RoFormer, para voces, batería y bajo, y SAM Audio de Meta para otros instrumentos. Obtendrás pistas más limpias que con herramientas antiguas como Spleeter o las primeras versiones de Demucs.
Productores, DJ y creadores de contenido se encuentran con el mismo problema. Necesitas una voz a cappella limpia para un remix, una canción sin batería para practicar o un riff de guitarra aislado para crear un sample. Las herramientas antiguas de separación dejan voces poco claras y restos fantasmales de batería.
Esta guía explica qué son las pistas separadas, por qué la mayoría de las herramientas de separación introduce artefactos y cómo obtener pistas utilizables en producciones reales, incluidas las de canciones Suno.
¿Qué son las pistas separadas? Fundamentos de la separación de audio
Las pistas separadas, o stems, son pistas de audio individuales extraídas de una canción mezclada. En lugar de un único archivo estéreo que contiene todo, obtienes archivos independientes para voces, batería, bajo, piano y otros instrumentos. Cada pista contiene solo ese elemento.
Existen pistas secas, sin efectos, y pistas con efectos, como reverberación y compresión. Las pistas secas son los ingredientes antes de cocinar; las pistas con efectos son el plato terminado. Los modelos de este artículo solo extraen pistas con efectos, de modo que cada pista conserva los efectos que tenía en la mezcla.
Por qué importan las pistas separadas en la producción musical actual
Las pistas separadas convierten una mezcla estéreo estática en partes flexibles. Con pistas de calidad puedes:
- Crear versiones de karaoke eliminando la voz
- Producir mashups con voces a cappella bien aisladas
- Construir remixes alrededor de la voz original, la idea de la función de remix con IA que planea Spotify
- Reequilibrar mezclas ajustando el nivel de cada instrumento
- Aprender canciones escuchando partes concretas en solo
- Crear samples sin filtraciones de otros instrumentos
- Corregir frecuencias problemáticas en pistas aisladas
Antes de la IA, la separación de pistas se basaba en filtrado con EQ y cancelación de fase, que generaban artefactos y nunca aislaban una parte por completo. Los modelos de IA mejoraron este proceso al aprender a reconocer el timbre y la estructura armónica en lugar de limitarse a filtrar frecuencias.
El problema de la mayoría de los servicios de separación de pistas
Las herramientas de separación con IA no son iguales. Muchos servicios prometen «alta calidad», pero descuidan lo fundamental:
Demos frente a herramientas de producción
El entorno de pruebas de SAM Audio de Meta solo procesa clips de 30 segundos en mono. Es suficiente para una demo, pero no para una canción completa en estéreo. Consulta en qué se diferencia Neural Analog del entorno de pruebas de SAM Audio.
Limitaciones de un único modelo
Muchos servicios utilizan un único modelo, lo que obliga a hacer concesiones. Los modelos de pistas fijas, como Demucs o BS-RoFormer, funcionan bien en separaciones predefinidas de voces, batería, bajo y resto, pero no pueden extraer instrumentos personalizados como saxofón o sintetizador. Otros modelos permiten la extracción personalizada, pero separan las pistas habituales con menos limpieza que las herramientas especializadas.
Sin un pipeline de restauración de audio
Separar fuentes comprimidas, como MP3 o grabaciones de streaming, expone sus artefactos existentes. Los MP3 de bajo bitrate suelen cortar todo lo que supera unos 16 kHz y añadir ruido de cuantización que difumina los transitorios. Una herramienta de separación que ignora esto simplemente aísla el audio dañado con más claridad.
Cómo SAM Audio mejora la separación de pistas
SAM Audio de Meta es un modelo general de separación de fuentes, en lugar de un eliminador de voz especializado. Meta lo describe como un único modelo que acepta instrucciones de texto, visuales y de intervalos temporales, basado en un transformer de emparejamiento de flujos y entrenado con mezclas de audio a gran escala que abarcan habla, música y sonidos generales.
Escucha la diferencia: SAM Audio frente a los referentes del sector
A continuación hay una comparación real. Tomamos una mezcla clásica densa y aislamos la pista de piano con SAM Audio en Neural Analog y con un competidor destacado.
Ejemplo: comparación de extracción de piano
Aislar un único instrumento de una mezcla estéreo densa con la instrucción 'piano'.
La tecnología de SAM Audio
SAM Audio utiliza un transformer de emparejamiento de flujos para predecir la fuente objetivo a partir de una grabación mezclada. En Neural Analog Studio puedes describir la fuente mediante texto y marcar el intervalo en el que aparece. Las instrucciones visuales forman parte del modelo de investigación, en lugar de ser un control de la interfaz de audio actual de Studio. Para los productores, la diferencia está en el control: el modelo puede buscar sonidos fuera de las categorías fijas de voces, batería, bajo y resto.
El codificador de audio neuronal: por qué la arquitectura determina la calidad
Cada herramienta de separación con IA se basa en un codificador de audio neuronal. Convierte la forma de onda original en una representación compacta de timbre, altura tonal, ritmo y posición estéreo. Piensa en él como los «oídos» del modelo: distinguir una caja de una voz depende de lo bien que se haya entrenado este codificador.
Los primeros modelos de separación, como Spleeter, usaban codificadores CNN que trataban los espectrogramas como imágenes 2D. Podían realizar separaciones básicas de voz y batería, pero tenían dificultades con los detalles finos del timbre y la coherencia temporal. Demucs v4 (Hybrid Transformer Demucs) procesa tanto la forma de onda como el espectrograma, lo que ayuda a mantener los transitorios y la fase para un sonido más natural. BS-RoFormer divide el espectrograma en bandas de frecuencia y las modela con capas Transformer. Su artículo informa de un SDR medio de 9,8 dB en el benchmark MUSDB18-HQ, superior a Demucs v4. Nuestra comparación entre Spleeter y Demucs explica los modelos antiguos en detalle.
SAM Audio va más allá con su Perception Encoder Audiovisual (PE-AV), entrenado con más de 100 millones de clips de vídeo. Como aprendió a partir de vídeo, relaciona los sonidos con los instrumentos y acciones que los producen. Esto ayuda al dar una instrucción como «guitar», especialmente cuando la guitarra comparte un rango de frecuencias con otros instrumentos.
Arquitectura de investigación de SAM Audio
dog barking
Figura original: Arquitectura de investigación de SAM Audio.
La calidad del codificador influye directamente en la de las pistas de tres maneras:
- Resolución del timbre: los mejores codificadores separan los armónicos del ruido para que los instrumentos conserven su carácter
- Coherencia temporal: los codificadores más capaces mantienen la separación a lo largo del tiempo y evitan las interrupciones rápidas habituales en herramientas más baratas
- Detalle: los codificadores más grandes captan chirridos de cuerdas, respiraciones y ambiente de la sala
Al comparar servicios de separación, pregunta qué modelo utilizan, en lugar de fiarte del marketing. El posprocesamiento no puede compensar por completo un codificador antiguo.
Cómo utiliza Neural Analog SAM Audio y BS-RoFormer
El separador de pistas con IA de Neural Analog convierte SAM Audio y BS-RoFormer en una herramienta práctica para músicos.
A diferencia de la demo de 30 segundos en mono, Neural Analog procesa canciones completas en estéreo, de modo que las pistas conservan la amplitud y profundidad de la mezcla original.
Puedes elegir entre SAM Audio y ajustes predefinidos probados de pistas fijas:
- SAM Audio para extraer instrumentos personalizados: saxofón, sintetizador o cuerdas
- Ajustes predefinidos para separaciones rápidas y fiables: 4 pistas, voces, batería, bajo y resto, o 6 pistas, que añaden guitarra y piano, mediante modelos BS-RoFormer, una generación de separadores de pistas fijas más reciente que Demucs
Con SAM Audio online puedes escribir una instrucción y marcar intervalos en la forma de onda cuando el sonido objetivo aparece solo en parte de la canción. ¿Tienes preguntas o resultados que compartir? Únete al Discord de Neural Analog.
Pipeline de restauración de audio integrado
Puedes aplicar restauración de audio a las pistas extraídas para ampliar su rango de frecuencias y limpiar algunos artefactos. Escucha el resultado: la restauración no corrige todos los errores de separación.
Mejores pistas Suno: por qué la música generada con IA requiere un tratamiento especial
Suno y otros generadores de música con IA, incluidos Udio y FlowMusic / Producer.ai, suelen producir archivos comprimidos o con ancho de banda limitado. Esto impone un techo de calidad incluso antes de separar las pistas. Para separar una canción Suno directamente desde su enlace, usa el separador de pistas Suno. Udio ya no ofrece descargas ni pistas separadas, así que primero guarda tus canciones Udio como archivos de audio.
El problema de la doble compresión
Separar un MP3 Suno con herramientas básicas divide audio que ya está degradado. Las pistas heredan:
- Pérdida importante de altas frecuencias, a menudo sin contenido por encima de 15 kHz
- Ruido de cuantización integrado en la señal
- Menor amplitud y profundidad estéreo
- Artefactos digitales de resonancia
Cómo mejora la restauración la música generada con IA
El proceso aborda estas limitaciones paso a paso:
- Extracción: SAM Audio o un modelo predefinido separa las pistas
- Eliminación de artefactos: la restauración neuronal puede reducir el ruido de compresión MP3
- Reconstrucción de frecuencias: el modelo predice y regenera contenido armónico hasta 20 kHz
- Tratamiento estéreo: conserva las señales estéreo mientras restaura el detalle y después compara de oído la amplitud y la fase con la fuente
Las pistas Suno resultantes suenan más cerca de sesiones multipista grabadas profesionalmente.
Paso a paso: cómo obtener pistas de calidad con Neural Analog
Sigue estos pasos para obtener resultados consistentes. La guía de Studio para separar pistas explica cada control con más detalle.
Paso 1: subir audio
Arrastra y suelta tu archivo o pega un enlace público de una fuente compatible, como Suno, FlowMusic, TopMediaAI, Treblo, Mureka o YouTube. Los formatos admitidos incluyen MP3, WAV, FLAC, M4A y OGG. La duración máxima depende de tu plan y del modelo seleccionado.
Paso 2: elegir la estrategia de separación
Para resultados previsibles, abre Separación y elige 4 pistas para voces, batería, bajo y resto, o 6 pistas para añadir guitarra y piano. Comprueba la Entrada seleccionada. Estos ajustes ejecutan modelos especializados de pistas fijas y ofrecen una separación consistente.
Para instrumentos personalizados, elige Instrucción personalizada para usar SAM Audio. Comprueba el Modelo seleccionado y describe el sonido. Sé específico: electric guitar solo with distortion funciona mejor que guitar. SAM Audio devuelve dos pistas complementarias: el sonido que coincide con la instrucción y el resto de la grabación.
Paso 3: configurar el procesamiento
Procesamiento estéreo de SAM Audio: el modo predeterminado Estéreo (centro/diferencia) procesa por separado las señales del centro y de diferencia estéreo y después las recombina. Elige Estéreo (L/R) para procesar los canales izquierdo y derecho por separado, o Mono para promediarlos en un único canal. Estos controles se aplican a SAM Audio; los ajustes de pistas fijas usan sus propios modelos estéreo. Consulta cuándo usar el procesamiento Mid/Side.
Paso 4: procesar y descargar
Deja Mejorar las pistas desactivado para realizar solo la separación. Revisa la estimación de minutos de procesamiento que se descontarán de tu saldo y pulsa Iniciar la extracción. Espera a que termine. Las canciones cortas suelen completarse en pocos minutos; las canciones largas y los modelos más pesados tardan más. Escucha cada pista en Studio, abre Exportar y elige Pistas individuales para archivos separados o Pistas combinadas para la mezcla actual.
Paso 5: restaurar las pistas extraídas
Si una pista carece de altas frecuencias o tiene daños de compresión audibles, selecciónala como Entrada en Mejorar, elige Restauración de música MP3 para instrumentos o Mejora del canto para voces y pulsa Ejecutar el modelo. Compara el resultado antes de exportar. La guía de restauración de MP3 a WAV explica las opciones de modelos. Si prefieres procesar automáticamente las pistas compatibles después de la extracción, activa Mejorar las pistas, selecciona el modelo de restauración y revisa la estimación de minutos de procesamiento adicionales antes de iniciar la extracción. Las pistas limpias no necesitan restauración.
Consideraciones técnicas para la producción
Al incorporar la extracción de pistas a tu flujo de producción, comprueba estos factores:
Calidad del archivo fuente
La restauración puede reconstruir archivos comprimidos, pero las fuentes sin pérdidas, WAV o FLAC, siguen ofreciendo una separación más precisa. El codificador dispone de más información original y tiene que reconstruir menos.
Si tu instrumento aparece solo unos segundos en un archivo largo, marca ese intervalo en Studio o recorta el archivo antes de subirlo. El modelo obtiene un objetivo más claro y el procesamiento es más rápido.
Coherencia de fase de las pistas
Las pistas de una misma canción deberían sumar aproximadamente la mezcla original. Si su fase se desplaza, al recombinarlas se produce filtrado en peine o cancelación. Los modelos de Neural Analog están diseñados para mantener las relaciones de fase, algo importante al masterizar pistas y crear remixes. Compruébalo sumando las pistas en tu DAW y comparándolas con el original.
Audibilidad de los artefactos
Escucha los artefactos habituales de separación:
- Filtraciones: instrumentos que se oyen débilmente en la pista equivocada
- Interrupciones rápidas: activación y desactivación rápida durante la extracción
- Transitorios difuminados: pérdida de nitidez en los ataques
- Pérdida de altas frecuencias: falta de aire y detalle
La restauración corrige muchos de estos problemas, pero una fuente limpia los reduce en la fase de extracción. Después usa un DAW para conservar solo las partes de cada pista que suenen bien.
Cuándo usar cada tipo de modelo
Usa los ajustes de pistas fijas (BS-RoFormer) cuando:
- Necesites aislar voces, batería o bajo habituales
- La velocidad de procesamiento sea esencial
- La mezcla de origen esté relativamente limpia
- Quieras resultados previsibles y probados
Usa SAM Audio personalizado cuando:
- Los ajustes habituales no cubran el instrumento
- La mezcla sea densa y los sonidos se solapen
- Necesites separar sonidos similares, como guitarra solista y guitarra rítmica
- La fuente contenga instrumentos inusuales o sonidos sintetizados
Usa restauración cuando sea necesario:
- Una fuente MP3 o de streaming tenga daños de compresión audibles
- El archivo original esté por debajo de 320 kbps y le falten detalles de alta frecuencia
- La música generada con IA tenga un corte de ancho de banda o artefactos de compresión
- Las pistas necesiten reparación antes de un lanzamiento comercial, tras comprobarlas de oído
Cómo elegir el mejor flujo de separación de pistas con IA
Comienza con una canción de prueba que conozcas bien. Compara las pistas extraídas con la mezcla original para comprobar la coherencia de fase y el nivel de artefactos. Usa los ajustes predefinidos para separaciones habituales, SAM Audio para el resto y restauración cuando una fuente comprimida o generada con IA necesite reparación.
Con los modelos de IA y la restauración actuales, las pistas extraídas pueden acercarse a la sesión multipista original para remixes, samples y análisis de mezclas.
Preguntas frecuentes sobre separación de pistas de calidad
¿Cuál es el mejor modelo de IA para separar pistas?
Para voces, batería, bajo e instrumentales, los modelos BS-RoFormer y Mel-Band RoFormer obtienen actualmente las mejores puntuaciones en benchmarks públicos. Para instrumentos fuera de esas pistas fijas, un modelo basado en instrucciones como SAM Audio es más flexible. Consulta nuestras clasificaciones de los mejores modelos para voces y los mejores modelos para instrumentos.
¿Usa Neural Analog Demucs para separar pistas?
No. Los ajustes de 4 y 6 pistas utilizan modelos BS-RoFormer, y la extracción de instrumentos personalizados utiliza SAM Audio.
¿Por qué mis pistas suenan finas o como bajo el agua?
Normalmente porque la fuente es un MP3 de bajo bitrate o porque la herramienta ejecuta un modelo antiguo. Usa la mejor fuente disponible, un modelo más reciente y restaura las pistas después. Lee si mejorar los MP3 corrige pistas que suenan apagadas para saber qué puede y qué no puede corregir la restauración.
Guías relacionadas
- Eliminar la batería de una canción Suno terminada: usa la separación de batería para obtener una canción sin batería.
- Sustituir la batería Suno por tu propio kit: elimina la batería generada con IA y programa un nuevo groove.
- Convertir una canción estéreo a Dolby Atmos: coloca las pistas separadas en un bed y en objetos Atmos.