曲をステムに分ける
音声または動画ファイルの先頭 30 秒を受け取り、四つのトラックに分けます。その場で聴いて保存できます。モデルは端末に取得してそこで動き、ファイルはこのタブから出ません。
音声または動画ファイルをここに置いてください
MP4 · MOV · M4A · WAV · MP3 — 先頭 30 秒を使います
ボタンを押すと実行環境とモデルを約 295 MB 取得します。 一度だけ取得してブラウザが保持します — 次のファイルはすぐ始まります。
分離は CPU で動きます — 30 秒の音声に約 1 分。この道具が試聴用である理由です。
音源はどこへ行きますか？
どこにも行きません。このタブの中で開かれ、アップロードされません。ここではそれが特に大事です — 未発表のミックスこそ、見知らぬサーバーに渡してはいけないファイルです。
なぜ 30 秒だけですか？
CPU では分離が遅いからです。実測しました — 7.8 秒の音声を分けるのに約 15 秒かかるので、30 秒なら 1 分ほど、3 分の曲なら 6 分を超えます。この道具は試聴用です。曲全体をデスクトップの道具にかける前に、どれくらいきれいに分かれるか確かめてください。
分離の質はどのくらいですか？
デスクトップのステム分離ツールの多くが使う Demucs v4 を、精度を落とさずに使っています。耳ではなく数字で確かめました — 話し声と 60Hz のサイン波、短い打点を混ぜ、各出力が元の材料とどれだけ一致するかを測りました。ボーカルは話し声と 0.999、ベースはサイン波と 1.000、ドラムは打点と 0.985、互いの材料とはいずれもほぼ 0 でした。
どのファイルが使えますか？
MP4、MOV、M4A、WAV、MP3 です。ブラウザが自力で開ける形式なので、デコーダーを別途送ることはありません。MP3 が最後になったのは重いからではなく、**コンテナがない**からです。生のフレームが並んだだけの流れなので、誰かがフレームの境目を示さないとブラウザのデコーダーが受け取れません。その部分は私たちが書きました。追加で取得するものはありません。
なぜダウンロードが大きいのですか？
モデルが約 300MB で、それが道具のすべてです。私たちが検証できるより小さい Demucs v4 のビルドはなく、静かに劣化する量子化版を送るのは、大きさを正直に言うより悪いことです。一度だけ取得してブラウザが保持します。
なぜグラフィックスカードを使わないのですか？
CPU の経路だけを測って結果を確かめたからです。ほかの道具はグラフィックスカードを先に試しますが、測っていない速い経路が微妙に誤った音を出した場合、遅いことより気づきにくいのです。同じ数字が出ることを確認できたら切り替えます。