By SongTools.ai
「2-4kHzだけをノッチで削ればOK」というアドバイスは、ホームレコーディングのフォーラムで繰り返し語られる『悪しき定説』の一つです。EQでミックスからボーカルを分離できない本当の理由と、では何を使えばそれが可能なのかを、ここでご紹介します。
「EQでボーカルを消す方法」をミキシングフォーラムで検索すると、たいてい同じようなアドバイスが見つかるでしょう。パラメトリックEQを立ち上げ、ボーカルが「存在している」場所（通常1〜4kHzあたり）を見つけて、深いノッチを入れる。バージョンによっては、ボーカルのハーモニクスを追いかけるように、一連の狭いノッチを入れることを推奨するものもあります。一見もっともらしく聞こえます。しかし、これは機能しません。その理由を知ることは、ボーカルが実際にはどのようなものなのかを理解する上で非常に重要です。
根本的な誤解は、「ボーカル」を、ダイヤルを回してカットできる単一の周波数帯域に存在するものとして扱っていることです。しかし、そうではありません。ミックスにおける人間の声は通常、以下の範囲に及びます。
- 基音、およそ80-1000Hz — 実際に歌われている音程で、バスパートでは低く、ソプラノでは高くなります。
- その遥か上まで積み重なるハーモニクス — しばしば8-10kHzを超え、これが声に純粋なサイン波ではなく、認識可能な音色と個性を与えます。
- 歯擦音と息のディテール、5-12kHz以上 — 「s」「t」「f」のような音や、ボーカルに鈍い印象ではなく存在感と人間らしさを与える空気感のある高域のテクスチャです。
ボーカルが最も際立っていると感じられる1-4kHzの帯域をノッチで削ると、その存在感の一部を削り取ったに過ぎません。基音と低次倍音は手つかずのまま通り抜け、ノッチより上の歯擦音や空気感もそのまま残ります。ボーカルは減衰するだけで、消え去るわけではありません。ノッチを広げたり、さらに多くのノッチを追加したりして追いかければ追いかけるほど、2番目の、より大きな問題に直面します。
その同じ1-4kHzの帯域はボーカル専用ではありません。ミックス全体の最も混雑し、重複が多い部分の一つです。
- ギター — アコースティックギターもエレキギターも、そのボディとアタックはこの帯域に大きく存在します。
- シンセとキーボード — ほとんどのリードやパッドサウンドは、中音域にかなりのエネルギーを持っています。
- スネアとシンバル — スネアのクラック音もシンバルのシャープな音も、ボーカルの領域までかなり伸びています。
- 基本的に「存在感」や「明瞭さ」を持つあらゆるもの — ミックスエンジニアは、耳が最も敏感なこの帯域を、他の楽器で特にブーストします。
ボーカルに意味のある打撃を与えるほどアグレッシブなノッチは、同じ瞬間に同じスペクトルの一部を占めているギター、シンセ、スネアも根こそぎにしてしまいます。あなたは一つの楽器を外科的に除去しているのではなく、ミックス全体から塊を削り取り、ボーカルが他のすべてよりも大きなダメージを受けることを期待しているのです。しかしそうはなりません。EQはどの音がボーカルでどの音がギターなのかを認識できないため、すべてがほぼ均等にダメージを受けます。EQが知っているのは周波数だけであり、周波数は誰もが共有しているものです。
これが、「EQで消せばいい」というアドバイスが間違っている本当の概念です。周波数と音源は全く別のものです。 複数の楽器は、全く同じ瞬間に全く同じ周波数帯域を占有することができ、そして常にそうしています。それらは完全に合算され、一つの波形になります。EQが問えるのは、「この周波数帯域は今どのくらいの音量か？」だけです。「どの楽器がこの音を出しているのか？」と問う方法はありません。一度ボーカルとギターが両方とも同じミックスダウンされたファイル内の2kHzに存在してしまえば、「2kHzに対するボーカルの貢献」を「2kHzに対するギターの貢献」から分離するEQ操作は存在しません。EQにとって、それは単なる一つの結合された数値なのです。
これが実際の、そしてはるかに難しい技術的な問題です。それは、*どの周波数をカットするか*を特定することではなく、*結合された信号のどの部分をどの音源が生成したか*を復元することです。イコライゼーションは、そもそもそのような目的のために作られていません。
これこそが、本物のAIソース分離が解決するために作られた問題であり、Stem IsolatorのようなツールがEQ pluginとは別に存在する重要な理由です。
「これは何の周波数か」と問う代わりに、分離されたボーカルと楽器の録音で訓練されたモデルは、人間の声の実際の音響的特徴 — そのハーモニックパターン、音色、時間の経過に伴う変化 — を学習し、それらがどの周波数で重なっていようとも、結合されたミックスのどの部分がボーカルに由来し、どの部分が楽器に由来するかを特定します。これは、周波数帯域をカットして最善を尽くすことで近似しようとするのではなく、音源特定の問題を直接解決しているのです。
だからこそ、ソース分離は「ボーカルが消える」以上のものを提供できます。必要なstem（vocals, instrumental, drums, bass, or other instruments）を正確に選択でき、選択した分だけ支払うことができます。単一のstemは2 credits、追加ごとに+1 creditです。EQノッチでは、これらはどれも不可能です。なぜなら、EQは実際には何も分離していなかったからです。単に周波数帯域の音量を下げ、その中に適切な楽器が隠れていることを期待していたに過ぎません。
これらすべては、EQがボーカル周辺で役に立たないという意味ではありません。除去とは異なる問題を解決しているだけです。既に分離されたボーカルstem内でボーカルがクリアに定位するためのスペースを作る、きつい音を抑える、マルチトラックセッションで近接マイクされた音源間のカブリを減らす（排除ではない）といったことは、すべて正当で一般的なEQの操作です。失敗するパターンは、既に結合されたミックスからEQを使って楽器全体を消去しようとすることです。それはEQの形をした音源分離の問題であり、どんなにノッチを深くしても、そのミスマッチは解決できません。
Q: 非常に狭く精密なノッチを使えば、ボーカルだけを他に影響なく除去できますか？
A: いいえ。狭いノッチは、ボーカルをより選択的に除去するのではなく、ボーカルを含むすべての音をより少なく除去するだけです。問題はノッチの幅ではありません。ボーカルと他の楽器が同時に同じ周波数を共有しているため、どのようなカットでもすべてに影響を与えてしまうことです。
Q: うまくいかないのに、なぜこのアドバイスはフォーラムに繰り返し現れるのですか？
A: 直感的で部分的には真実だからです。特にシンプルで音数の少ないミックスでは、微妙なノッチがボーカルの知覚される突出度を少し減らすことができます。簡単なケースでのその部分的な成功が、フルバンドのプロが制作した楽曲の大部分では破綻するにもかかわらず、そのアドバイスが広まり続ける理由となっています。
Q: これは、「位相キャンセル」によるボーカル除去のトリックと同じものですか？
A: いいえ、それらは異なる失敗モードを持つ2つの異なる古いテクニックです。位相キャンセルは周波数ではなくステレオパンニング（ミックスの中心にあるものを除去する）を利用しており、主に「両チャンネルで同一である」という前提が崩れる現代のミキシング技術によって、異なる理由で失敗します。
Q: AI分離はEQのように苦戦することはありますか？
A: 厳密な数学的計算ではなく推論を行っているため、非常に密度の高い、または異常に加工されたミックスではアーティファクトが発生する可能性があります。しかし、EQのように共有された周波数空間によって制限されることはありません。実際の音響特性によって音源を識別するため、同じ周波数帯域で重なり合う楽器を、EQベースのアプローチよりもはるかに確実に処理できます。
この記事で紹介するツールはすべてSongTools.aiで無料で探索できます。