Mengapa vokal tetap ada setelah dihapus: panduan gejala demi gejala
Pertama, identifikasi apa yang tersisa: lirik yang masih dikenali, ekor vokal, harmoni latar, atau kerusakan instrumen. Mereka membutuhkan keputusan yang berbeda. Mode yang lebih mahal bukanlah perbaikan otomatis untuk keempatnya.
1. Temukan momen yang bisa diulang
Tulis timestamp dan deskripsi seperti "kata terakhir sebelum chorus masih terdengar" atau "simbaol bergoyang saat penyanyi masuk." Dengarkan versi aslinya yang sesuai. Jika sudah terdengar distorsi, jangan menilai pemisahan seolah sumbernya bersih.
Tetap pada level mendengarkan yang nyaman. Memutar volume terlalu kencang untuk mencari jejak sisa bisa membuat trek latihan yang cukup terdengar tidak bisa dipakai, sekaligus mengalihkan perhatian dari kerusakan musik yang sebenarnya penting.
2. Cocokkan gejala dengan tes berikutnya yang berguna
| Gejala | Interpretasi yang mungkin | Coba langkah berikutnya |
|---|---|---|
| Lirik yang dapat dimengerti dalam Instrumental | Beberapa vokal dialokasikan ke backing. | Bandingkan bagian yang sama dengan model lain; periksa juga kerusakan backing. |
| Ekor hantu setelah sebuah frase | Efek atau suasana tidak mengikuti suara langsung dengan sempurna. | Periksa apakah ini penting. Split dua output bukan kontrol dereverb khusus. |
| Harmoni masih ada tapi lead lebih pelan | Suara yang berlapis tidak terpisah seperti yang kamu inginkan. | Putuskan apakah kamu perlu semua vokal dihapus atau tugas lead/backing. |
| Cymbal berair atau gitar terdengar lembut | Perkiraan backing berubah setelah vokal dihapus. | Bandingkan model, bukan hanya jumlah suara yang tersisa. |
| Suku kata hilang dari Vokal | Informasi suara yang berguna mungkin dialokasikan ke tempat lain. | Periksa Instrumental pada saat itu dan coba lagi dari versi asli. |
| Lewat berulang-ulang malah bikin lebih buruk | Input sudah merupakan perkiraan yang diubah. | Kembali ke yang asli dan ubah satu pengaturan pada satu waktu. |
3. Ketahui kapan kamu sedang membandingkan metode yang berbeda
Reduksi berbasis pusat bekerja pada hubungan antara saluran stereo. Audacity mendokumentasikan ini sebagai menargetkan materi yang dipan sentral. Ini adalah metode yang berbeda dari model neural yang memperkirakan vokal dari campuran.
Jika campuran mono atau vokal lebar mengalahkan pembatalan stereo, itu tidak membuktikan setiap model AI gagal sama. Hasil pembatalan yang juga menghapus instrumen bukan bukti isolasi vokal yang sempurna. Tandai metode saat membandingkan.
4. Gunakan rencana percobaan terbatas
- Mulai dari unggahan asli, bukan dari instrumental yang diunduh.
- Bandingkan hasil selesai pada waktu yang sama dan volume serupa. Catat model, mode dan detail yang ingin dipertahankan. Model lain memerlukan tugas baru yang memakai jatah atau kredit; tidak ada pembuatan cuplikan gratis.
- Bandingkan Kim default dengan satu alternatif dalam mode standar, biarkan potongan tetap sama.
- Berhenti ketika hasil sudah sesuai dengan tugas. Menjalankan lagu penuh bukan alasan untuk mengharapkan potongan gagal yang sama menjadi bersih.
5. Pilih hasil yang bisa dipakai dengan kerusakan paling sedikit.
Untuk latihan, sedikit sisa vokal mungkin lebih baik daripada bagian ritme yang tidak stabil. Untuk edit vokal, kata yang hilang bisa lebih buruk daripada musik level rendah di antara frasa. Tetap hubungkan kriteria dengan pekerjaan.
Model mencakup vokal/instrumental, empat atau enam stem, ekstraksi instrumen, vokal utama/latar dan pengurangan reverb. Ketersediaan terlihat di pemilih. Hasil merupakan perkiraan, bukan identifikasi orang, perbaikan semua derau atau jaminan pemulihan setiap bunyi.