Extrator de acapella: isole a voz de qualquer música no navegador

Não existe uma faixa de voz escondida dentro do MP3 esperando alguém achar; a voz foi mixada junto com todo o resto. O SplitVocals roda o Demucs v4, um modelo de IA treinado com milhares de músicas para reconhecer como soa uma voz cantada dentro de um arranjo completo, e a reconstrói como uma faixa separada. Voz principal, harmonias, coral e os ad-libs contam como voz e saem juntos no stem de voz; bateria, baixo e o resto da banda (guitarra, teclado, sopros) caem nos seus próprios stems.

O que você recebe é um arquivo de áudio comum — WAV na taxa de amostragem original ou MP3 320k — que entra direto num DAW, num sampler ou numa controladora de DJ. Os outros três stems saem da mesma passada, então o instrumental está a um clique se você precisar dele também.

MC e produtor de funk gravam a voz de um hit em cima de uma base nova, ou cortam um refrão para virar hook de outro beat. DJ de baile e de casamento encaixa o acapella de um pagode ou de um sertanejo em cima do instrumental de outra faixa para um mashup ao vivo. Cantor e professor de canto estudam a divisão, a respiração e os melismas com a banda fora do caminho, e depois cantam junto da linha isolada. Ministério de louvor da igreja tira a voz-guia de um louvor para o coral aprender cada naipe. Quem faz vídeo para o Reels ou o YouTube pega uma frase cantada para usar como textura. Nada disso precisa de conta; a separação roda na aba do navegador.

Acapella limpo começa com gravação limpa. Voz de estúdio, gravada no próprio microfone, separa quase por completo; a do DVD ao vivo, em que o cantor vaza em todos os microfones do palco e a plateia canta junto, não. Reverb e delay na voz fazem parte da voz — o modelo mantém o efeito junto com ela, e não existe jeito de conseguir uma voz mais seca do que a que foi gravada. Instrumento que vive na mesma região da voz, como uma guitarra solo ou uma sanfona dobrando a melodia no forró, pode deixar um rastro fraco no stem.

Entregue ao modelo a melhor fonte que tiver: um WAV ou FLAC sem perdas, ou o arquivo em qualidade de streaming — não o MP3 baixado do YouTube em 128k nem o áudio que chegou pelo WhatsApp, que já vem recomprimido. Se a voz ainda voltar com vazamento, o HD Pack e o Pro rodam um modelo maior no servidor que separa a voz bem mais limpa, e o Pro adiciona uma separação em seis stems que também isola guitarra e piano.

Produtor vive precisando do acapella de uma demo, de um bounce de sessão ou de uma voz que ainda não foi lançada. Nesta página o arquivo é decodificado e processado dentro do navegador, por WebGPU ou WebAssembly, e nunca é enviado — não existe cópia num servidor para vazar, expirar ou ficar numa fila. Abra a aba Rede das ferramentas de desenvolvedor durante uma separação e não vai aparecer nenhuma requisição de saída com o seu áudio.

E é mais rápido: sem upload de um WAV grande pela metade lenta da conexão, e, depois que o modelo de ~170 MB fica no cache na primeira vez, toda separação começa na hora, até sem internet. Uma música típica leva de um a três minutos no Chrome ou no Edge com WebGPU; Safari e Firefox usam um caminho de CPU mais lento, e no celular demora mais que no computador.