Isole a voz de qualquer música:
isolador vocal com IA grátis

O que significa isolar a voz?

Isolar a voz significa extrair o canto de uma música finalizada para ouvir apenas a voz. O resultado é chamado de voz isolada, stem vocal ou acapella. As ferramentas de IA fazem isso separando o mix em partes. Aqui, o modo Somente voz entrega dois arquivos MP3 de 320 kbps a partir de um único envio: a voz e o instrumental.

Como isolar a voz

Extrair a voz de uma música leva três passos. A IA cuida da parte difícil — você apenas envia seu arquivo e escolhe o modo certo.

1. Envie sua música. Vá até a ferramenta de remoção de voz e arraste seu arquivo de áudio para a área de envio. A ferramenta aceita MP3, WAV, FLAC, OGG, M4A, AAC, WMA e até arquivos de vídeo como MP4 e WebM (o áudio é extraído automaticamente). O tamanho máximo é de 50 MB.
2. Selecione o modo “Somente voz”. Esta é a configuração principal para o isolamento vocal. Ao escolher Somente voz, a IA gera dois arquivos separados: a faixa vocal isolada e a faixa instrumental (karaokê). Você obtém os dois stems a partir de um único envio — não precisa processar a música duas vezes. Em seguida, escolha a configuração de qualidade: Rápido para resultados ágeis (1 a 3 minutos) ou Melhor para a separação mais limpa possível (5 a 10 minutos).
3. Baixe sua faixa vocal. Assim que o processamento terminar, você verá cards de download para cada stem. Baixe a faixa vocal, o instrumental, ou obtenha os dois num único arquivo ZIP. Todas as saídas são entregues em arquivos MP3 de 320 kbps.

Usos para a voz isolada

Depois de ter uma faixa vocal limpa separada do instrumental, as possibilidades criativas se abrem. Estes são os usos mais comuns para a voz isolada. Se preferir o acompanhamento, veja como transformar qualquer música em karaokê.

Qualidade do isolamento vocal

Nem toda música se separa igualmente bem. A qualidade da sua faixa vocal isolada depende de vários fatores no material-fonte e nas configurações escolhidas.

• Gravações de estúdio limpas geram os melhores resultados. Músicas gravadas em um estúdio profissional com isolamento de microfone adequado, reverberação mínima na voz e uma mixagem bem estruturada oferecem à IA o sinal mais claro para trabalhar. Faixas de pop, R&B e hip-hop com vozes secas e à frente costumam se separar excepcionalmente bem.
• Gravações ao vivo são mais difíceis. Gravações de shows, sessões ao vivo e bootlegs captam a voz por microfones de sala que também captam toda a banda, o barulho do público e as reflexões do ambiente. A IA ainda consegue extrair uma voz utilizável, mas espere mais artefatos e vazamentos em comparação com uma gravação de estúdio. Mixagens de mesa (gravadas diretamente da console) se saem melhor do que gravações feitas pelo público.
• Vozes em várias camadas são um desafio. Músicas com empilhamento vocal denso — voz principal, múltiplas linhas de harmonia, vozes dobradas, camadas sussurradas e efeitos vocais processados para se fundirem com os instrumentos — separam-se com alguma perda de clareza. A IA trata todas as vozes como um único stem, então extrai todas juntas, mas arranjos vocais muito densos que se sobrepõem às frequências instrumentais podem reter algum vazamento.
• Vozes muito processadas podem ser complicadas. Auto-tune extremo, efeitos de vocoder e vozes com distorção intensa ou bit-crushing começam a se assemelhar a instrumentos sintetizados nas suas características de frequência. A IA pode ter dificuldade em distinguir uma voz muito processada de um pad de sintetizador, levando a extração parcial.
• A qualidade do arquivo-fonte importa. Um MP3 a 320 kbps ou um WAV/FLAC sem perdas produz separação mais limpa do que um MP3 a 128 kbps ou uma captura refeita no celular. Compressão com perdas remove informações de frequência de que a IA precisa para distinguir energia vocal da instrumental. Use sempre o arquivo-fonte de maior qualidade disponível.

Para o isolamento mais limpo possível, use o modo Melhor qualidade. Ele executa o htdemucs_ft, uma versão ajustada (fine-tuned) do modelo Demucs, que costuma deixar menos vazamento. A ferramenta estima 5 a 10 minutos em vez de 1 a 3 minutos para uma música típica.

Vozes isoladas para produção musical

Depois de baixar o MP3 da voz isolada, veja como usá-lo em um fluxo de produção.

• Importe para a sua DAW. Arraste o MP3 vocal diretamente para a sua estação de trabalho de áudio digital — Ableton Live, FL Studio, Logic Pro, Pro Tools, Reaper ou qualquer outra DAW. Todas as principais DAWs importam MP3. Se pretende fazer um processamento pesado, converta-o primeiro para WAV (bounce) dentro da DAW. A voz aparecerá como um clipe de áudio padrão numa nova faixa.
• Samplear e picar. Carregue a voz em um instrumento sampler (Ableton Simpler/Sampler, FL Studio Slicex, Logic EXS24 ou um sampler de hardware como o MPC). Defina pontos de corte nos limites das palavras, marcas de respiração ou acentos rítmicos. Mapeie os cortes no seu teclado MIDI e dispare fragmentos vocais individuais para criar novos padrões rítmicos e melódicos.
• Ajuste de afinação e tempo. Mude o tom da voz para combinar com a sua produção usando as ferramentas de pitch-shifting da sua DAW. Faça warp ou time-stretch na voz para encaixá-la no andamento do projeto sem alterar o tom. A maioria das DAWs faz isso de forma não destrutiva — você pode experimentar livremente sem alterar o arquivo original.
• Aplique efeitos. Processe a voz isolada com reverb, delay, chorus, distorção ou qualquer cadeia de efeitos. Como a voz está separada do instrumental, os efeitos se aplicam de forma limpa somente à voz, sem processar bateria, baixo ou outros instrumentos. Isso lhe dá o mesmo controle criativo que um engenheiro de mixagem tem ao trabalhar com gravações de estúdio multipista.
• Sobreponha à sua própria produção. Coloque a voz isolada sobre seu próprio beat, progressão de acordes ou paisagem sonora. Ajuste volume, panorâmica e EQ da voz para que ela se encaixe naturalmente no seu mix. A separação limpa permite tratar a voz como se tivesse sido gravada especificamente para o seu projeto.

Isolamento por IA vs extração manual

Antes de existir a separação de fontes por IA, produtores e engenheiros usavam técnicas manuais para extrair vozes de gravações mixadas. Esses métodos ainda existem, mas têm limitações fundamentais que a IA supera.

A vantagem fundamental da separação por IA é que ela entende como uma voz soa, e não apenas onde ela fica no campo estéreo ou no espectro de frequências. A rede neural foi treinada com músicas cujos stems multipista estavam isolados, por isso aprendeu a reconhecer as características vocais — formantes, vibrato, transientes de consoantes, sons de respiração — e a separá-las de instrumentos que podem ocupar as mesmas frequências e a mesma posição estéreo. As técnicas manuais não conseguem fazer isso.

Na prática, o isolamento por IA substituiu a extração manual para quase todos os casos de uso. O único cenário em que o cancelamento de fase ainda tem uma leve vantagem é quando você tem acesso tanto à mixagem completa quanto ao lançamento instrumental oficial do mesmo master — subtrair um do outro produz uma extração vocal matematicamente perfeita. Mas isso exige ter exatamente o mesmo master, o que raramente está disponível.

Outras formas de isolar a voz

Se você já trabalha num editor de áudio, talvez tenha ali uma opção de isolamento vocal. Elas diferem no método e no que é preciso instalar.

Audacity

O efeito Vocal Reduction and Isolation tem uma ação Isolate Vocals. Ele usa cancelamento de fase, por isso só funciona em músicas estéreo com a voz centralizada, e o baixo ou a bateria centralizados acabam vindo junto com a voz.

Ultimate Vocal Remover (UVR)

Um aplicativo de desktop gratuito e de código aberto que executa modelos de separação por IA, incluindo o Demucs, no seu próprio computador. Oferece mais opções de modelos, mas é preciso instalá-lo e a velocidade de processamento depende do seu hardware.

Separadores de stems em DAWs

Algumas DAWs já incluem separação de stems por IA, como o Stem Splitter do Logic Pro. Use-o quando a música já estiver no seu projeto.