Rimuovere la musica di sottofondo da audio
o video con l'IA

Si può rimuovere la musica di sottofondo da una registrazione?

Sì, se il suono indesiderato è musica. La separazione delle sorgenti con IA divide una registrazione in una traccia vocale e in tutto il resto, così la musica finisce in un file separato. Usa lo strumento di rimozione voce con IA (non il convertitore MP3 di questa pagina) e scegli Solo voci.

• Musica, beat, jingle: vengono rimossi bene, perché il modello è nato per separare la musica.
• Altre voci (TV, persone vicine): restano nella traccia vocale, perché ogni voce umana conta come voce.
• Rumore costante (ronzio, vento, traffico): viene rimosso solo in parte. Per questo usa uno strumento di riduzione del rumore.

Come rimuovere la musica di sottofondo

Rimuovere la musica di sottofondo da una registrazione richiede tre passaggi. L'IA fa tutto il lavoro pesante — tu devi solo caricare il file, scegliere la modalità corretta e scaricare.

1. Carica il tuo file nello strumento di rimozione voce con IA. Apri lo strumento di rimozione voce con IA e trascinaci la registrazione, oppure fai clic per sfogliare. Accetta MP3, WAV, FLAC, OGG, M4A, AAC, WMA e video MP4 o WebM, fino a 50 MB. Usa il file sorgente con la qualità più alta disponibile — un WAV o FLAC lossless produrrà una separazione più pulita rispetto a un MP3 compresso.
2. Seleziona la modalità «Solo voci». Questo è il passaggio cruciale. In modalità Solo voci l'IA Demucs divide il tuo audio in due tracce: le voci, che contengono tutto il parlato e il canto umani, e una traccia strumentale con tutto il resto. La musica di sottofondo finisce nella traccia strumentale, lasciandoti un dialogo pulito.
3. Scarica la traccia vocale. Al termine dell'elaborazione, scarica il file Voci (MP3 a 320 kbps). Contiene il tuo parlato con la musica di sottofondo rimossa. Puoi usarlo direttamente o importarlo nel tuo editor audio o video per sostituire la traccia mixata originale.

Quando hai bisogno di rimuovere la musica di sottofondo

Questo strumento risolve un problema specifico: hai una registrazione in cui il parlato è buono, ma una musica indesiderata suona in sottofondo. Ecco gli scenari più comuni.

• Pulizia di podcast. Un ospite ha registrato la sua parte della conversazione con della musica che suonava nella sua stanza, o un co-conduttore aveva una playlist Spotify attiva che filtrava nel suo microfono. Il parlato è perfettamente utilizzabile, ma la musica di sottofondo fa suonare l'episodio poco professionale e crea potenziali problemi di copyright. Passare l'audio in modalità Solo voci rimuove la musica preservando la conversazione.
• Registrazioni di interviste. Le interviste condotte in caffè, ristoranti o eventi spesso catturano la musica di sottofondo dall'impianto audio del locale. Le risposte dell'intervistato sono abbastanza chiare da essere comprese, ma la musica ambientale distrae e rende difficile utilizzare la registrazione in un documentario, in un servizio giornalistico o in un articolo. La separazione IA isola le voci dalla colonna sonora del locale.
• Narrazione video con colonna sonora. Hai registrato un voice-over o una narrazione su un video che aveva già musica di sottofondo integrata nella traccia audio. Ora ti serve la narrazione senza la musica — magari per rimontare il video con un'altra musica o per usare la narrazione in un altro contesto. Demucs separa la narrazione parlata dalla colonna sonora sottostante.
• Estrazione del voice-over da un video. Un video di formazione, un explainer o una presentazione ha un narratore che parla sopra della musica di sottofondo. Vuoi riutilizzare la narrazione in un nuovo progetto, tradurla o trascriverla in modo accurato. Estrarre un parlato pulito senza la musica rende la trascrizione molto più accurata e ti fornisce una traccia di voice-over isolata e utilizzabile.
• Pulire registrazioni con TV o radio in sottofondo. Qualcuno ha registrato un memo vocale, una telefonata o un video casalingo mentre un programma TV, una stazione radio o uno stream musicale suonavano in sottofondo. L'audio di sottofondo distrae e può contenere contenuti protetti da copyright. L'IA può rimuovere le componenti musicali, ripulendo significativamente la registrazione.

Separazione parlato vs. musica

Capire come l'IA separa l'audio ti aiuta a stabilire aspettative realistiche sulla qualità dell'output.

Demucs è una rete neurale profonda addestrata sulla musica. Ha imparato a scomporre l'audio mixato in quattro stems: voci (qualunque voce umana — cantata o parlata), batteria (percussioni), basso (basso elettrico, synth bass, strumenti a frequenza bassa) e altro (tutto il resto — chitarre, tastiere, archi, synth, effetti sonori). Quando selezioni Solo voci, ottieni lo stem vocale più un unico file strumentale che riunisce gli altri tre.

Questo significa che l'IA rimuove tutti i suoni non vocali, non solo la «musica» in senso tradizionale. Ecco cosa viene separato:

• Rimosso: musica di sottofondo, loop strumentali, colonna sonora, jingle, chitarra, pianoforte, sintetizzatori, ritmi di batteria, linee di basso, tappeti musicali ambient.
• Mantenuto: parlato, canto, canticchio, risate, respiri vocali, suoni labiali — qualsiasi cosa prodotta dalla voce umana.
• Parzialmente rimosso: rumore ambientale, riverbero della stanza, vento, traffico, ronzio del condizionatore. Questi suoni non musicali e non vocali non rientrano bene in nessuna delle quattro categorie di stems. L'IA li gestisce in modo incoerente — parte del rumore ambientale finisce nello stem vocale, parte nello stem altro. Otterrai una registrazione più pulita, ma non aspettarti l'eliminazione totale del rumore ambientale.

Conclusione pratica: se la tua registrazione contiene parlato mescolato a musica, la separazione sarà molto efficace. Se il suono indesiderato è rumore ambientale non musicale (traffico, vento, HVAC), i risultati saranno parziali. Per una pura noise reduction senza separazione musicale, uno strumento dedicato di noise reduction è più appropriato.

Consigli per un'estrazione pulita del parlato

L'IA svolge la maggior parte del lavoro, ma la qualità del tuo input influisce direttamente sulla qualità dell'output. Segui queste linee guida per ottenere l'estrazione del parlato più pulita possibile.

• Usa il file sorgente con la qualità più alta. I file WAV e FLAC preservano tutti i dettagli audio, dando alla rete neurale il massimo delle informazioni su cui lavorare. Se hai solo un MP3, usa la versione con il bitrate più alto disponibile. Un MP3 a 320 kbps si separa meglio di una versione a 128 kbps della stessa registrazione perché conserva più informazioni spettrali che l'IA usa per distinguere il parlato dalla musica.
• Fai in modo che il parlato sia più forte della musica. La separazione IA funziona meglio quando il segnale target (il parlato) è la componente dominante. Le registrazioni in cui parlato e musica sono a livelli di volume simili producono buoni risultati. Le registrazioni in cui la musica è significativamente più forte del parlato sono più difficili — l'IA potrebbe perdere qualche dettaglio del parlato insieme alla musica. Se possibile, regola il mix prima dell'elaborazione così che il parlato stia sopra la musica.
• Riduci al minimo altre sorgenti di rumore. La musica di sottofondo è ciò che vuoi rimuovere, ma altri strati di rumore (eco della stanza, vento, fruscio) aggiungono complessità. L'IA gestisce molto bene un compito di separazione — separare le voci dagli strumenti. Aggiungere rumore sopra musica sopra parlato rende tutti e tre più difficili da districare. Registra in un ambiente silenzioso quando possibile, anche se la musica è inevitabile.
• Ritaglia alla sezione rilevante. Se solo una parte della tua registrazione ha il problema della musica di sottofondo, ritaglia il file a quella sezione prima di caricarlo. I file più brevi si elaborano più velocemente ed eviti di rielaborare sezioni già pulite. Puoi riunire i segmenti in seguito in qualsiasi editor audio.
• Controlla sia l'output vocale sia quello strumentale. A volte una piccola quantità di parlato fuoriesce nello stem strumentale, o una piccola quantità di musica fuoriesce nello stem vocale. Ascoltare entrambi gli output aiuta a identificare eventuali artefatti di separazione. Se lo stem vocale presenta residui musicali, elabora di nuovo il file con la qualità Best, che usa un modello perfezionato.

Alternativa: estrai prima l'audio dal video

I video MP4 e WebM possono andare direttamente nello strumento di rimozione voce: legge la traccia audio e ignora l'immagine. I file MOV, AVI e MKV richiedono prima un passaggio in più. Ecco il flusso di lavoro:

1. Estrai la traccia audio dal tuo video. Usa uno strumento come FFmpeg (ffmpeg -i video.mp4 -vn -acodec pcm_s16le audio.wav) o qualunque convertitore video-audio online. Estrai come WAV per la migliore qualità. Se il video ha più tracce audio (ad es. narrazione sulla traccia 1, musica sulla traccia 2), potresti già avere una separazione pulita e non aver bisogno di IA — controlla prima le impostazioni delle tracce audio nel tuo editor video.
2. Carica l'audio estratto nello strumento di rimozione voce. Seleziona la modalità Solo voci e avvia l'elaborazione. L'IA separerà il parlato dalla musica di sottofondo nella traccia audio estratta.
3. Sostituisci l'audio nel tuo editor video. Importa la traccia vocale ripulita nel tuo software di editing video (Premiere Pro, DaVinci Resolve, Final Cut Pro, CapCut o qualunque editor). Metti in mute o elimina la traccia audio originale e sincronizza la traccia vocale pulita al suo posto. La maggior parte degli editor consente di agganciare il nuovo audio all'inizio della timeline per un allineamento perfetto.

Questo flusso in tre passaggi è standard per i produttori video che devono ripulire riprese di interviste, rimuovere musica protetta da copyright da contenuti generati dagli utenti o isolare la narrazione per un nuovo montaggio. Estrarre prima l'audio mantiene anche il file piccolo, il che aiuta con il limite di 50 MB. Se preferisci eliminare l'intera colonna sonora, il nostro strumento per rimuovere l'audio da un video la toglie in un solo passaggio.

Altri modi per rimuovere la musica di sottofondo

Le discussioni nei forum su questa domanda indicano sempre le stesse poche opzioni. La semplice riduzione del rumore non funziona sulla musica, perché la musica cambia continuamente mentre i filtri antirumore si aspettano un suono costante.