どんな曲からでもボーカルを消す方法
なぜボーカル除去は難しかったのか
最近まで、曲からボーカルを取り除くには、iZotope RX（$399）、Adobe Audition（サブスクリプション）、または何時間にもわたる手作業のEQ調整といったプロ用のオーディオソフトウェアが必要でした。古いテクニック — 位相キャンセルやセンターチャンネル抽出 — は、ボーカルが中央にパンニングされているという前提に依存していました。これらの方法は、ボーカルのアーティファクトがインストに混じったり、インストがボーカルトラックに漏れたりする、不明瞭な結果しか生み出しませんでした。
AIがすべてを変えました。現代のボーカルリムーバーは、何十万もの楽曲でトレーニングされたディープニューラルネットワーク（具体的には、Open-Unmix、Demucs、MDX-Netなどのアーキテクチャ）を使用しています。これらのモデルは、位相キャンセルでは決して達成できなかった精度で、ボーカルの周波数と楽器の周波数を区別することを学習します。その結果、数秒で、無料で、ブラウザ内でクリーンな分離が可能になります。
ボーカルを消す方法 — ステップバイステップ
ステップ1：voicechanger.live/tools/vocal-remover で AI ボーカルリムーバーを開きます。アカウントもダウンロードもサインアップも不要です。
ステップ2：オーディオファイルをアップロードします。このツールはMP3、WAV、FLAC、OGGなど、ほとんどの一般的なオーディオ形式に対応しています。ファイルサイズの制限はありません — 処理はすべて WebAssembly とデバイスの GPU を使用してブラウザ内で完結します。
ステップ3：AIが処理するのを待ちます。曲の長さとハードウェアにもよりますが、分離には10〜30秒かかります。ニューラルネットワークがオーディオを分析している間、進捗インジケーターが表示されます。
ステップ4：結果をダウンロードします。分離されたインスト（ボーカル除去済み）と分離されたボーカル（インスト除去済み）の2つの別々のファイルが手に入ります。どちらも最高品質のWAVファイルとしてダウンロード可能です。
重要：あなたのオーディオファイルがコンピュータから外部に出ることはありません。AIモデル全体がブラウザ内でローカルに実行されるため、どのサーバーにもアップロードされません。これは、著作権のある素材や未発表の音楽にとって重要です。
ボーカルリムーバーとステムスプリッターの使い分け
ボーカルリムーバーは、曲をボーカルとインストの2つのトラックに分離します。これは、カラオケ、バッキングトラック、または単に歌手なしの音楽が必要なシンプルなリミックスに最適です。
ステムスプリッター（voicechanger.live/tools/stem-splitter）はさらに進んでおり、曲をボーカル、ドラム、ベース、その他の楽器の4つの個別のステムに分離します。これは、サンプリング用にドラムブレイクを分離したり、リミックス用にベースラインを抽出したり、カバー用にギターリフを取り出したりしたい音楽プロデューサー向けのツールです。
単にボーカルを消したい場合はボーカルリムーバーを、個々の楽器を細かくコントロールしたい場合はステムスプリッターを使用してください。
AI ボーカル除去の仕組み
従来のボーカル除去は位相キャンセルを使用していました。左チャンネルを反転させて右チャンネルとミックスすると、中央にパンニングされたもの（通常はボーカル）が打ち消されます。問題は、ベース、キックドラム、リード楽器も中央にパンニングされているため、それらも失われてしまうことです。結果は常に妥協の産物でした。
AI ボーカルリムーバーは根本的に異なるアプローチを取ります。スペクトログラムベースのニューラルネットワークを使用して、オーディオの時間周波数表現を分析します。モデルは、何千ものプロのマルチトラックレコーディングから、ボーカルがスペクトログラム空間でどのように「見える」か、ギター、ドラム、シンセがどのように「見える」かを学習しています。推論中、ボーカルのエネルギーを楽器のエネルギーから分離するソフトマスクを生成し、どの信号処理技術よりも劇的にクリーンな分離を生み出します。
ブラウザベースのツール（私たちのツールを含む）で使用されるモデルは、通常、Open-Unmix または Hybrid Demucs アーキテクチャに基づいており、WebAssembly での実行に最適化されています。最新のハードウェアでは、ネイティブに近い速度で動作します。
最もクリーンな結果を得るためのヒント
ソースの品質が最も重要です。320kbpsのMP3やロスレスのWAV/FLACファイルは、128kbpsのMP3やYouTubeからのリップよりも常に良い分離結果を生み出します。AIモデルはオーディオに存在する情報しか扱えません — 圧縮アーティファクトは分離中に増幅されます。
スタジオレコーディングはライブレコーディングよりも分離しやすいです。プロのスタジオで録音された曲は、クリーンで分離されたボーカルテイクがインストの上にミックスされています。ライブレコーディングには、部屋の音響、観客のノイズ、楽器間の音漏れがあり、AIを混乱させます。
ボーカルに重いリバーブがかかっていると分離が難しくなります。元のボーカルに長いリバーブの尾がある場合、AIはリバーブとインストを区別するのに苦労するかもしれません。その結果、インストトラックに幽霊のようなボーカルの残骸が残ることがあります。リバーブの多いトラックでは、単純なボーカルリムーバーよりもステムスプリッターの方がクリーンな結果になることがあります。
楽器編成が最小限のアコースティックな曲は、通常、完璧に分離します。ボーカルが高度に処理された（オートチューン、ボコーダーなど）電子音楽は、ボーカル処理によって声が合成楽器と区別しにくくなるため、より困難な場合があります。
ボーカル除去と代替手段の比較
LALAL.AI は最も有名な商用ボーカルリムーバーです。クラウドベースの処理モデルで優れた分離品質を提供します。無料プランでは10分のオーディオに制限され、エクスポートは低品質になります — 高品質のエクスポートにはサブスクリプション（月額$15から）が必要です。LALAL.AI は処理のためにオーディオをサーバーにアップロードします。
Moises は練習や学習のためにミュージシャンに人気があります。ステムを分離し、テンポやキーも調整できます。LALAL.AI と同様に、オーディオをクラウドで処理し、サブスクリプションモデル（月額$3.99〜$9.99）で運営されています。分離品質は、特に一般的な曲の構造に対して強力です。
私たちのボーカルリムーバーは、すべてをブラウザ内でローカルに処理します — アップロードなし、アカウントなし、サブスクリプションなし、ファイル制限なし。トレードオフは、処理速度がハードウェアに依存することです。最新のラップトップやデスクトップでは、ほとんどのユースケースで有料の代替手段に匹敵する品質と速度が得られます。