Yüksek kaliteli AI stem ayırma: SAM Audio ve BS-RoFormer ile temiz stem'ler çıkarma
Yüksek kaliteli AI stem ayırma üç şeye dayanır: işe uygun model, parçanın tamamını stereo işleme ve sıkıştırma hasarı varsa kaynağı restore etme. Vokal, davul ve bas için BS-RoFormer gibi özel bir sabit stem modeli, diğer enstrümanlar için Meta'nın SAM Audio modelini kullanın. Spleeter veya erken Demucs sürümleri gibi eski stem ayırma araçlarından daha temiz stem'ler elde edersiniz.
Yapımcılar, DJ'ler ve içerik üreticileri aynı sorunla karşılaşır. Remiks için temiz bir akapella, pratik için davulsuz bir parça veya örneklemek için ayrı bir gitar riff'i gerekir. Eski stem ayırma araçları bulanık vokaller ve hayalet gibi kalan davul artefaktları bırakır.
Bu rehber stem'lerin ne olduğunu, çoğu ayırıcının neden artefakt oluşturduğunu ve Suno şarkıları da dâhil olmak üzere gerçek prodüksiyonda kullanabileceğiniz stem'leri nasıl elde edeceğinizi açıklar.
Stem nedir? Ses ayırmanın temelleri
Stem'ler, mikslenmiş bir şarkıdan çıkarılan ayrı ses izleridir. Her şeyi içeren tek stereo dosya yerine vokal, davul, bas, piyano ve diğer enstrümanlar için ayrı dosyalar alırsınız. Her stem yalnızca ilgili öğeyi içerir.
Kuru stem'ler (efektsiz) ve efektli stem'ler (yankılanma ve kompresyon gibi efektler uygulanmış) vardır. Kuru stem'ler pişirmeden önceki malzemelerdir; efektli stem'ler bitmiş yemektir. Bu makaledeki modeller yalnızca efektli stem'leri çıkarır; dolayısıyla her stem mikste sahip olduğu efektleri korur.
Stem'ler modern müzik prodüksiyonu için neden önemlidir?
Stem'ler sabit bir stereo miksi esnek parçalara dönüştürür. Yüksek kaliteli stem'lerle şunları yapabilirsiniz:
- Vokalleri kaldırarak karaoke parçaları oluşturmak
- Temiz akapella izolasyonuyla mashup'lar üretmek
- Özgün vokal üzerine remiks kurmak; Spotify'ın planlanan AI remiks özelliğinin arkasındaki fikir budur
- Enstrüman düzeylerini ayrı ayrı ayarlayarak miks dengesini değiştirmek
- Belirli partileri solo dinleyerek şarkı öğrenmek
- Diğer enstrümanların sızıntısı olmadan öğeleri örneklemek
- Ayrılmış izlerde sorunlu frekansları düzeltmek
AI öncesinde stem ayırma EQ filtreleme ve faz iptaline dayanıyordu; bu yöntemler artefakt oluşturuyor ve bir partiyi hiçbir zaman tamamen ayıramıyordu. AI modelleri yalnızca frekansları filtrelemek yerine tını ve harmonik yapıyı tanımayı öğrenerek bunu iyileştirdi.
Çoğu stem ayırma hizmetinin sorunu
AI stem ayırıcılar eşit değildir. Birçok hizmet “yüksek kalite” vaat ederken temel konulardan taviz verir:
Deneme ortamları ve prodüksiyon araçları
Meta'nın SAM Audio deneme ortamı yalnızca 30 saniyelik mono klipleri işler. Bu, demo için uygundur, ancak tam bir şarkıyı stereo istediğinizde yeterli değildir. Neural Analog'ın SAM Audio deneme ortamından farkına bakın.
Tek modelin sınırlamaları
Birçok hizmet tek model kullanır ve bu, ödün vermeyi zorunlu kılar. Demucs veya BS-RoFormer gibi sabit stem modelleri hazır ayrımlarda (vokal, davul, bas, diğer) iyidir, ancak saksofon veya sentezleyici gibi özel enstrümanları çıkaramaz. Diğer modeller özel ayırma sunar, fakat standart stem'leri uzmanlaşmış araçlar kadar temiz ayırmaz.
Ses restorasyonu işlem zincirinin olmaması
MP3 veya yayın kayıtları gibi sıkıştırılmış kaynakları ayırmak mevcut artefaktları ortaya çıkarır. Düşük bit hızlı MP3'ler genellikle yaklaşık 16 kHz üzerindeki her şeyi keser ve transientleri bulanıklaştıran kuantizasyon gürültüsü ekler. Bunu göz ardı eden bir ayırıcı yalnızca hasarlı sesi daha belirgin biçimde ayırır.
SAM Audio stem ayırmayı nasıl ileri taşır?
Meta'nın SAM Audio modeli, özel bir vokal kaldırıcı yerine genel bir kaynak ayırma modelidir. Meta bunu metin, görsel ve zaman aralığı istemlerini kabul eden, akış eşleştirme transformer'ı üzerine kurulu ve konuşma, müzik ve genel sesleri kapsayan büyük ölçekli ses karışımlarıyla eğitilmiş tek bir model olarak tanımlar.
Farkı duyun: SAM Audio ve sektör standartları
Aşağıda gerçek bir karşılaştırma var. Yoğun bir klasik müzik miksi aldık ve piyano stem'ini SAM Audio (Neural Analog) ile ve önde gelen bir rakipte ayırdık.
Örnek: piyano ayırma karşılaştırması
Yoğun bir stereo miksten 'piano' istemiyle tek bir enstrümanı ayırma.
SAM Audio'nun arkasındaki teknoloji
SAM Audio, mikslenmiş kayıttan hedef kaynağı tahmin etmek için bir akış eşleştirme transformer'ı kullanır. Neural Analog Studio'da kaynağı metinle tarif edebilir ve duyulduğu zaman aralığını işaretleyebilirsiniz. Görsel istemler araştırma modelinin parçasıdır; mevcut Studio ses arayüzünde bir kontrol değildir. Yapımcılar için fark kontroldür: model, vokal, davul, bas ve diğer gibi sabit kategorilerin dışındaki sesleri hedefleyebilir.
Sinir ağı tabanlı ses kodlayıcısı: model mimarisi neden kaliteyi belirler?
Her AI stem ayırıcı bir sinir ağı tabanlı ses kodlayıcısı üzerine kurulur. Ham dalga biçimini tını, perde, ritim ve stereo konumunun kompakt bir temsiline dönüştürür. Bunu modelin “kulakları” olarak düşünün: trampeti vokalden ne kadar iyi ayırdığı, kodlayıcının ne kadar iyi eğitildiğine bağlıdır.
Spleeter gibi erken ayırma modelleri, spektrogramları 2D görüntüler gibi ele alan CNN kodlayıcıları kullanıyordu. Temel vokal ve davul ayrımını yapabiliyor, ancak ince tını ayrıntıları ve zaman içindeki tutarlılıkta zorlanıyorlardı. Demucs v4 (Hybrid Transformer Demucs), hem dalga biçimini hem spektrogramı işler; bu da daha doğal ses için transientleri ve fazı korumaya yardımcı olur. BS-RoFormer, spektrogramı frekans bantlarına ayırır ve bunları Transformer katmanlarıyla modeller. Makalesi, MUSDB18-HQ kıyaslamasında Demucs v4'ün üzerinde 9,8 dB ortalama SDR bildirir. Spleeter ve Demucs karşılaştırmamız eski modelleri ayrıntılı anlatır.
SAM Audio, 100 milyondan fazla video klibiyle eğitilmiş Perception Encoder Audiovisual (PE-AV) ile daha ileri gider. Videodan öğrendiği için sesleri, onları üreten enstrüman ve eylemlerle ilişkilendirir. Bu, özellikle gitar diğer enstrümanlarla aynı frekans aralığını paylaştığında "guitar" gibi istemlerde yardımcı olur.
SAM Audio araştırma mimarisi
dog barking
Orijinal şema: SAM Audio araştırma mimarisi.
Kodlayıcının kalitesi stem kalitesini doğrudan üç şekilde etkiler:
- Tını çözünürlüğü: daha iyi kodlayıcılar harmonikleri gürültüden ayırır, böylece enstrümanlar karakterlerini korur
- Zamansal tutarlılık: güçlü kodlayıcılar ayrımı zaman içinde sabit tutar ve ucuz araçlarda yaygın olan hızla açılıp kapanma artefaktlarını önler
- Ayrıntı: büyük kodlayıcılar tel gıcırtılarını, nefesleri ve oda ambiyansını yakalar
Stem ayırma hizmetlerini karşılaştırırken pazarlama söylemine değil, hangi modeli çalıştırdıklarına bakın. Son işleme eski bir kodlayıcıyı tamamen telafi edemez.
Neural Analog SAM Audio ve BS-RoFormer'ı nasıl kullanır?
Neural Analog'ın AI stem ayırıcısı, SAM Audio ve BS-RoFormer'ı müzisyenler için pratik bir araca dönüştürür.
30 saniyelik mono deneme ortamının aksine Neural Analog tam parçaları tam stereo olarak işler; böylece stem'ler özgün miksin genişliğini ve derinliğini korur.
SAM Audio ve kanıtlanmış sabit stem ön ayarları arasında seçim yapabilirsiniz:
- Özel enstrüman ayırma için SAM Audio (saksofon, sentezleyici, yaylılar)
- Daha hızlı, güvenilir ayrımlar için ön ayarlar: 4 stem (vokal, davul, bas, diğer) veya 6 stem (gitar ve piyano eklenir); Demucs'tan daha yeni bir sabit stem ayırıcı nesli olan BS-RoFormer modelleriyle çalışır
SAM Audio online ile bir istem yazabilir ve hedef ses yalnızca parçanın bir bölümünde varsa dalga biçimindeki aralıkları işaretleyebilirsiniz. Sorularınız veya paylaşacak sonuçlarınız mı var? Neural Analog Discord'a katılın.
Entegre ses restorasyonu işlem zinciri
Çıkarılan stem'leri, frekans aralıklarını genişletmek ve bazı artefaktları temizlemek için ses restorasyonundan geçirebilirsiniz. Sonucu dinleyin: restorasyon her ayırma hatasını düzeltmez.
Daha iyi Suno stem'leri: AI müzik neden özel yaklaşım gerektirir?
Suno ve Udio ile FlowMusic / Producer.ai dâhil diğer AI müzik üreticileri genellikle sıkıştırılmış veya bant genişliği sınırlı dosyalar üretir. Bu, stem ayırma başlamadan önce kalite tavanını belirler. Suno şarkısını doğrudan bağlantısından ayırmak için Suno stem ayırıcısını kullanın. Udio artık indirme veya stem sunmuyor; bu nedenle önce Udio şarkılarınızı ses dosyası olarak kaydedin.
Çifte sıkıştırma sorunu
Suno MP3'ünü temel araçlarla ayırmak, zaten zarar görmüş sesi ayırır. Stem'lere şunlar geçer:
- Ciddi yüksek frekans kaybı (çoğu zaman 15 kHz'in üzerinde hiçbir şey yoktur)
- Sinyale yerleşmiş kuantizasyon gürültüsü
- Azalmış stereo genişliği ve derinliği
- Sayısal “çınlama” artefaktları
Restorasyon AI müziği nasıl iyileştirir?
Süreç bu sınırlamaları adım adım hedefler:
- Ayırma: SAM Audio veya bir ön ayar modeli stem'leri ayırır
- Artefakt giderme: sinir ağıyla restorasyon MP3 sıkıştırma gürültüsünü azaltabilir
- Frekansları geri oluşturma: model 20 kHz'e kadar harmonik içeriği tahmin eder ve yeniden üretir
- Stereo işleme: ayrıntıyı restore ederken stereo sinyalleri koruyun, ardından genişliği ve fazı kaynakla dinleyerek karşılaştırın
Ortaya çıkan Suno stem'leri profesyonel çok kanallı kayıtlara daha yakın duyulur.
Adım adım: Neural Analog ile yüksek kaliteli stem elde etme
Tutarlı sonuçlar için şu adımları izleyin. Studio stem ayırma rehberi her kontrolü daha ayrıntılı anlatır.
Adım 1: ses yükleyin
Dosyanızı sürükleyip bırakın veya Suno, FlowMusic, TopMediaAI, Treblo, Mureka ya da YouTube gibi desteklenen bir kaynaktan herkese açık bağlantı yapıştırın. MP3, WAV, FLAC, M4A ve OGG yüklenebilir. Maksimum süre, planınıza ve seçilen modele bağlıdır.
Adım 2: ayırma stratejisini seçin
Öngörülebilir sonuçlar için Ayırma bölümünü açın ve vokal, davul, bas ve diğer için 4 stem ya da gitar ve piyano eklemek için 6 stem seçin. Seçili Girdi kaynağını kontrol edin. Bu ön ayarlar özel sabit stem modelleri çalıştırır ve tutarlı ayırma sağlar.
Özel enstrümanlar için SAM Audio kullanmak üzere Özel istem seçin. Seçili Model değerini kontrol edin, ardından sesi tarif edin. Ayrıntılı olun: electric guitar solo with distortion, guitar ifadesinden daha iyi çalışır. SAM Audio iki tamamlayıcı stem döndürür: istemle eşleşen ses ve kaydın geri kalanı.
Adım 3: işlemeyi yapılandırın
SAM Audio stereo işleme: varsayılan Stereo (merkez/fark), merkez (Mid) ve fark (Side) sinyallerini ayrı işler, sonra yeniden birleştirir. Sol ve sağ kanalları ayrı işlemek için Stereo (L/R), bunların ortalamasını tek kanalda almak için Mono seçin. Bu kontroller SAM Audio içindir; sabit stem ön ayarları kendi stereo modellerini kullanır. Mid/Side işlemenin ne zaman kullanılacağına bakın.
Adım 4: işleyin ve indirin
Yalnızca ayırma için Stem'leri iyileştir seçeneğini kapalı bırakın. Bakiyenizden düşülecek işleme dakikası tahminini gözden geçirin, ardından Ayırmayı başlat seçeneğine tıklayıp bekleyin. Kısa parçalar genellikle birkaç dakikada biter; uzun parçalar ve ağır modeller daha fazla zaman alır. Her stem'i Studio'da inceleyin, ardından Dışa aktar bölümünü açıp ayrı dosyalar için Ayrı stem'ler veya mevcut miks için Birleştirilmiş stem'ler seçin.
Adım 5: çıkarılan stem'leri restore edin
Bir stem'de yüksek frekanslar eksikse veya duyulabilir sıkıştırma hasarı varsa İyileştir altında Girdi olarak seçin, enstrümanlar için MP3 müzik restorasyonu ya da vokaller için MP3 şarkı sesi restorasyonu seçip Modeli çalıştır seçeneğine tıklayın. Dışa aktarmadan önce sonucu karşılaştırın. MP3'ten WAV'a restorasyon rehberi model seçimlerini açıklar. Uygun stem'leri bunun yerine ayırma sonrasında otomatik işlemek için Stem'leri iyileştir seçeneğini açın, restorasyon modelini seçin ve ayırmayı başlatmadan önce ek işleme dakikası tahminini gözden geçirin. Temiz stem'ler restorasyon gerektirmez.
Prodüksiyon iş akışlarında teknik noktalar
İş akışınıza stem ayırma eklerken şu etkenleri kontrol edin:
Kaynak dosya kalitesi
Restorasyon sıkıştırılmış dosyaları yeniden oluşturabilir, ancak kayıpsız kaynaklar (WAV, FLAC) yine de daha doğru ayırma sağlar. Kodlayıcının kullanabileceği daha fazla özgün bilgi vardır; bu nedenle daha azının geri oluşturulması gerekir.
Enstrümanınız uzun bir dosyada yalnızca birkaç saniye varsa bu aralığı Studio'da işaretleyin veya yüklemeden önce dosyayı kırpın. Model daha net bir hedef alır ve işleme hızlanır.
Stem faz tutarlılığı
Aynı şarkının stem'leri toplandığında yaklaşık olarak özgün miksi vermelidir. Fazları kayarsa yeniden birleştirmek tarak filtrelemeye veya iptale neden olur. Neural Analog modelleri, stem mastering ve remiks için önemli olan faz ilişkilerini korumak üzere tasarlanmıştır. DAW'ınızda stem'leri toplayıp özgün kayıtla karşılaştırarak kontrol edin.
Artefaktların duyulabilirliği
Yaygın ayırma artefaktlarını dinleyin:
- Sızıntı: enstrümanların yanlış stem'de hafifçe duyulması
- Kesik kesik ses: ayırma sırasında hızla açılıp kapanma
- Bulanıklaşma: transientlerin netliğini kaybetmesi
- Yüksek frekans kaybı: hava ve ayrıntı eksikliği
Restorasyon bunların çoğunu düzeltir, ancak temiz bir kaynak ayırma aşamasında azaltır. Sonrasında yalnızca her stem'in doğru duyulan bölümlerini tutmak için bir DAW kullanın.
Hangi model türü ne zaman kullanılmalı?
Sabit stem ön ayarlarını (BS-RoFormer) şu durumlarda kullanın:
- Standart vokal, davul veya bas izolasyonu gerektiğinde
- İşleme hızı kritik olduğunda
- Kaynak miks görece temiz olduğunda
- Öngörülebilir, test edilmiş sonuçlar istediğinizde
SAM Audio'yu özel ayırma için şu durumlarda kullanın:
- Enstrüman standart ön ayarlarda bulunmadığında
- Miks yoğun ve sesler üst üste olduğunda
- Benzer sesleri ayırmanız gerektiğinde (örneğin solo gitar ve ritim gitarı)
- Kaynak alışılmadık enstrümanlar veya sentezlenmiş sesler içerdiğinde
Restorasyonu gerektiğinde kullanın:
- MP3 veya yayın kaynağında duyulabilir sıkıştırma hasarı olduğunda
- Özgün dosya 320 kbps'nin altında ve yüksek frekans ayrıntıları eksik olduğunda
- AI müzikte bant kesimi veya sıkıştırma artefaktları olduğunda
- Dinleyerek kontrol ettikten sonra stem'ler ticari yayın öncesinde onarım gerektirdiğinde
En iyi AI stem ayırma iş akışı nasıl seçilir?
İyi bildiğiniz bir test parçasıyla başlayın. Faz tutarlılığı ve artefakt düzeylerini kontrol etmek için çıkarılan stem'leri özgün miksle karşılaştırın. Standart ayrımlar için ön ayarları, diğerleri için SAM Audio'yu, sıkıştırılmış veya AI tarafından üretilmiş kaynak onarım gerektiriyorsa restorasyonu kullanın.
Güncel AI modelleri ve restorasyonla çıkarılan stem'ler; remiks, örnekleme ve miks analizi için özgün çok kanallı oturuma yaklaşabilir.
Yüksek kaliteli stem ayırma hakkında sık sorulan sorular
Stem ayırma için en iyi AI modeli hangisi?
Vokal, davul, bas ve enstrümantal partiler için BS-RoFormer ve Mel-Band RoFormer modelleri şu anda herkese açık kıyaslamalarda en yüksek puanları alır. Bu sabit stem'lerin dışındaki enstrümanlar için SAM Audio gibi istem tabanlı bir model daha esnektir. Vokaller için en iyi modeller ve enstrümanlar için en iyi modeller sıralamalarımıza bakın.
Neural Analog stem'ler için Demucs kullanıyor mu?
Hayır. 4 ve 6 stem ön ayarları BS-RoFormer modellerini, özel enstrüman ayırma ise SAM Audio'yu kullanır.
Stem'lerim neden ince veya suyun altındaymış gibi duyuluyor?
Genellikle kaynak düşük bit hızlı MP3'tür veya araç eski bir model çalıştırır. Elinizdeki en iyi kaynakla başlayın, daha yeni bir model kullanın ve sonrasında stem'leri restore edin. Restorasyonun neleri düzeltebileceğini ve neleri düzeltemeyeceğini öğrenmek için MP3 iyileştirmenin boğuk stem'leri düzeltip düzeltmediğini okuyun.
İlgili rehberler
- Bitmiş bir Suno şarkısından davulları kaldırın: davulsuz parça için davul stem ayırma kullanın.
- Suno davullarını kendi kitinizle değiştirin: AI davullarını kaldırın, sonra yeni bir groove programlayın.
- Stereo şarkıyı Dolby Atmos'a dönüştürün: ayrılmış stem'leri Atmos bed'ine ve nesnelerine yerleştirin.