如何从任意歌曲中提取纯净人声

为什么 Acapella 如此难找

如果你曾尝试围绕某个特定人声制作 remix、mashup 或 bootleg，你可能遇到过同样的难题：每年发布的数百万歌曲中，官方的 acapella 包总共可能只有几百首。唱片公司选择性地发布它们，通常只针对大型流行和舞曲单曲，即使如此，也常常是在原版发行数年之后。对于所有其他情况——你真正想改编的小众歌曲、地方性热门歌曲、完美适合你 mashup 的人声——你都找不到任何可下载的文件。你只能靠自己。

这正是 AI 人声分离技术所填补的空白。你不必等待唱片公司发布可能永远不会出现的 stem，而是可以自己从已完成的、混音后的音轨中提取出可用的人声清唱。

“提取” Acapella 究竟意味着什么

提取出的人声清唱并非是恢复了母带多轨文件——它是一种重建。一个通过数千首已知人声分离和伴奏分离的歌曲训练的模型，学会了识别混音中人声的音色，并能将其从从未听过的音轨中提取出来。这与旧的“相位抵消”或“中置声道消除”技巧有着根本性的不同，这些技巧仅仅删除那些完全居中声像的内容——它们并非提取人声，而只是试图减去人声，并且对于任何不是简单地将人声置于立体声伴奏中央的情况，它们都会彻底失效。

真正的分离，比如 Stem Isolator 背后的技术，是基于人声本身的实际音频内容来工作的，而不仅仅是它的立体声位置。这就是为什么它在现代 mastering 中表现良好，即使遇到双轨人声、宽立体声处理以及大量的 reverb 或 delay 发送——这些情况下，旧的中置声道技巧会彻底崩溃。

实际应期望的质量

对你所获得的结果要保持现实的态度。在制作精良、密度适中的混音中，AI 分离的人声听起来可以非常干净——足够接近真实的人声清唱，以至于大多数听众不会注意到它是提取出来的而不是录制的。在高度压缩、响亮、编排密集的现代流行音乐或 EDM master 中，你应该会听到一些“渗漏”（bleed）：例如底鼓的残响，或者与人声处于相同频率范围的合成器线条的痕迹，尤其是在歌曲最响亮的部分。

对于创意工作而言，这种渗漏的影响可能比你想象的要小。如果你正在制作一个 remix 或 mashup，人声清唱将放置在一个全新的伴奏之上，那么来自 *原始* 伴奏的少量渗漏通常在你加入自己的节拍后会被完全掩盖。只有当你需要一个真正隔离的、广播级别的纯净人声，且没有其他任何声音存在时，这才会成为一个真正的问题——对于这种情况，请将 AI 提取视为一个非常好的起点，而非一个有保证的最终产品。

获得最佳结果：源音频至关重要

提取质量最重要的因素并非算法本身——而是你输入给它的音频。一些实用规则：

- 从你能找到的最高质量音源开始。 320kbps 的 MP3 或 WAV 文件会比高度压缩的低比特率文件分离得更干净。压缩伪影会被模型一同提取出来。

- 避免使用二次编码的翻录文件。 从 YouTube 下载的、已经转码过一次（通常比特率比看起来的要低）的文件会带上这些伪影。如果你能获取原始文件——例如购买的下载、WAV 导出或无损流媒体捕获——请使用它们。

- 如果只是测试，请剪辑到你需要的片段。 如果你只为 mashup 需要第二段主歌，那么只分离那一部分可以减小文件大小，并让你在调整其他编曲时更快地迭代。

- 只选择你需要的 stem。 如果你只想要人声，就没有必要为完整的多轨分离付费——只需选择“Vocals”一项，你只需为你实际使用的部分付费。

从 Acapella 到完成的 Remix

一旦你获得了分离后的人声，就按照处理任何从音色包中提取的人声清唱的方式来对待它：检查它与你正在构建的音乐的 key 和 tempo 是否匹配（在正式开始前快速通过 key/BPM 工具检测，可以避免你在编曲进行到一半时才发现冲突），对人声基频以下的所有内容进行高通滤波，以清除有时会随提取一同出现的低频隆隆声，如果人声感觉比录音棚录制的 acapella 略显刺耳，不要害怕使用轻度的 de-esser 或 transient shaper。

从那以后，它就是一个正常的制作流程——调整 pitch、time-stretch、chop、将其置于你自己的和弦和鼓之下。提取只是第一步。

负责任地使用提取的 Acapella

一个值得记住的实际区别：将提取的人声清唱用于在 SoundCloud 上分享的个人 remix、DJ 表演，或者作为免费 mashup 发布，与将其用于商业发行是截然不同的情况。无论你是如何获得分离的 stem，其背后的人声表演和词曲创作仍然是他人的版权作品——提取并不会改变所有权。如果你打算围绕他人的 vocal 进行商业发行，通常这意味着在发行前需要获得采样许可或授权，这与从任何其他来源获取 vocal 的情况相同。对于个人、非商业和 DJ-set 使用，大多数制作人对待提取的人声清唱的方式，与他们对待 bootleg mashup 的方式是相同的——只是在你越界之前，要清楚那条界限在哪里。

常见问题

问：提取的人声清唱听起来会像官方版本一样干净吗？

答：在许多音轨上会的，尤其是在制作密度较低的音轨上。在响亮、高度压缩的现代 mastering 中，预计会有人声中渗入其他乐器的声音——通常当你将人声放入新的编曲后会被掩盖，但如果戴着耳机单独监听，就会比较明显。

问：源文件格式重要吗？

答：是的，非常重要。请从你能获得的最高质量文件开始——WAV 或 320kbps MP3 会比低比特率或已转码的文件分离得更干净，因为压缩伪影会与人声一同被提取出来。

问：我只提取人声，而不必支付完整的 stem 分离费用吗？

答：是的。Stem Isolator 允许你精确选择你想要的 stem——如果你只需要“Vocals”，你只需支付这一个 stem 的费用，而不是完整的全部分轨。

问：在 remix 中使用提取的人声清唱合法吗？

答：提取并不会改变对底层人声和词曲创作的所有权。个人使用、DJ set 和免费 mashup 通常会像 bootleg remix 一样被对待，但任何围绕他人 vocal 构建的商业发行通常都需要事先获得许可或授权。