Remover música de fundo de áudio
ou vídeo com IA

É possível remover a música de fundo de uma gravação?

Sim, se o som indesejado for música. A separação de fontes por IA divide uma gravação em uma faixa de voz e todo o resto, então a música vai parar num arquivo separado. Use a ferramenta Removedor de voz com IA (não o conversor de MP3 desta página) e escolha Apenas vocais.

• Música, batidas, jingles: removidos com eficácia, porque o modelo foi criado para separar música.
• Outras vozes (TV, pessoas por perto): ficam na faixa de voz, porque toda voz humana conta como vocal.
• Ruído constante (zumbido, vento, trânsito): removido só em parte. Para isso, use uma ferramenta de redução de ruído.

Como remover música de fundo

Remover a música de fundo de uma gravação envolve três passos. A IA faz todo o trabalho pesado — você só envia o arquivo, escolhe o modo correto e baixa.

1. Envie seu arquivo ao removedor de voz com IA. Abra a ferramenta Removedor de voz com IA e solte sua gravação nela, ou clique para procurar. Ela aceita MP3, WAV, FLAC, OGG, M4A, AAC, WMA e vídeos MP4 ou WebM, de até 50 MB. Use o arquivo-fonte de maior qualidade que tiver — um WAV ou FLAC sem perdas produz uma separação mais limpa do que um MP3 comprimido.
2. Selecione o modo “Apenas vocais”. Este é o passo crítico. No modo Apenas vocais, a IA Demucs divide seu áudio em duas faixas: vocais, com toda a fala e o canto humanos, e uma faixa instrumental com todo o resto. A música de fundo vai parar na faixa instrumental, deixando você com um diálogo limpo.
3. Baixe a faixa de vocais. Assim que o processamento terminar, baixe o arquivo Vocais (MP3 de 320 kbps). Ele contém sua fala sem a música de fundo. Você pode usá-lo diretamente ou importá-lo no seu editor de áudio ou vídeo para substituir a faixa mixada original.

Quando você precisa remover música de fundo

Esta ferramenta resolve um problema específico: você tem uma gravação em que a fala está boa, mas há uma música indesejada tocando ao fundo. Estes são os cenários mais comuns.

• Limpeza de podcast. Um convidado gravou sua parte da conversa com música tocando em seu ambiente, ou um coapresentador tinha uma playlist do Spotify tocando que vazou para o microfone. A fala é perfeitamente utilizável, mas a música de fundo deixa o episódio com som amador e cria possíveis problemas de direitos autorais. Passar o áudio pelo modo Apenas vocais retira a música e preserva a conversa.
• Gravações de entrevistas. Entrevistas feitas em cafés, restaurantes ou eventos costumam captar música de fundo do sistema de som do local. As respostas do entrevistado são claras o bastante para entender, mas a música ambiente distrai e dificulta o uso da gravação num documentário, reportagem ou artigo. A separação por IA isola as vozes da trilha sonora do local.
• Narração em vídeo com trilha sonora. Você gravou uma narração sobre um vídeo que já tinha música de fundo embutida na trilha de áudio. Agora precisa da narração sem a música — talvez para reeditar o vídeo com outra música ou usar a narração em outro contexto. O Demucs separa a narração falada da trilha sonora por baixo.
• Extração de narração a partir de vídeo. Um vídeo de treinamento, explicativo ou apresentação tem um narrador falando sobre música de fundo. Você quer reutilizar a narração num novo projeto, traduzi-la ou transcrevê-la com precisão. Extrair a fala limpa, sem a música, torna a transcrição muito mais precisa e lhe dá uma faixa de narração isolada utilizável.
• Limpar gravações com TV ou rádio ao fundo. Alguém gravou um memo de voz, uma chamada telefônica ou um vídeo caseiro enquanto um programa de TV, uma estação de rádio ou um streaming de música tocava ao fundo. O áudio de fundo distrai e pode conter conteúdo protegido por direitos autorais. A IA consegue remover os componentes musicais, limpando bastante a gravação.

Separação de fala vs. música

Entender como a IA separa o áudio ajuda você a definir expectativas realistas sobre a qualidade da saída.

O Demucs é uma rede neural profunda treinada com música. Ele aprendeu a decompor áudio mixado em quatro stems: vocais (qualquer voz humana — cantada ou falada), bateria (percussão), baixo (baixo elétrico, synth bass, instrumentos de baixa frequência) e outros (todo o resto — guitarras, teclados, cordas, sintetizadores, efeitos sonoros). Ao selecionar Apenas vocais, você recebe o stem vocal e um único arquivo instrumental que combina os outros três.

Isso significa que a IA remove todos os sons não vocais, não só “música” no sentido tradicional. Veja o que é separado:

• Removido: música de fundo, loops instrumentais, trilha sonora, jingles, guitarra, piano, sintetizadores, batidas de bateria, linhas de baixo, camadas musicais ambiente.
• Mantido: fala, canto, cantarolado, risadas, respirações vocais, sons de lábios — qualquer coisa produzida pela voz humana.
• Parcialmente removido: ruído ambiente, reverberação da sala, vento, trânsito, zumbido de ar-condicionado. Esses sons não musicais e não vocais não se encaixam perfeitamente em nenhuma das quatro categorias de stems. A IA os trata de forma inconsistente — parte do ruído ambiente vai para o stem vocal, parte para o stem outros. Você obterá uma gravação mais limpa, mas não espere eliminação total do ruído ambiente.

Conclusão prática: se sua gravação tem fala misturada com música, a separação será muito eficaz. Se o som indesejado for ruído ambiente não musical (trânsito, vento, HVAC), os resultados serão parciais. Para uma noise reduction pura sem separação musical, uma ferramenta dedicada de noise reduction é mais apropriada.

Dicas para extração de fala limpa

A IA faz a maior parte do trabalho, mas a qualidade da sua entrada afeta diretamente a qualidade da saída. Siga estas diretrizes para obter a extração de fala mais limpa possível.

• Use o arquivo-fonte de maior qualidade. Arquivos WAV e FLAC preservam todos os detalhes de áudio, dando à rede neural o máximo de informação para trabalhar. Se você só tiver um MP3, use a versão de maior taxa de bits disponível. Um MP3 de 320 kbps se separa melhor do que uma versão de 128 kbps da mesma gravação porque retém mais informação espectral, que a IA usa para distinguir a fala da música.
• Garanta que a fala esteja mais alta do que a música. A separação por IA funciona melhor quando o sinal-alvo (a fala) é o componente dominante. Gravações em que fala e música têm volumes parecidos produzem bons resultados. Gravações em que a música é bem mais alta do que a fala são mais difíceis — a IA pode perder parte do detalhe da fala junto com a música. Se possível, ajuste o mix antes do processamento para que a fala fique acima da música.
• Minimize outras fontes de ruído. A música de fundo é o que você quer remover, mas outras camadas de ruído (eco da sala, vento, chiado) aumentam a complexidade. A IA faz muito bem uma tarefa de separação — dividir vocais de instrumentos. Somar ruído à música e à fala torna as três mais difíceis de separar. Grave num ambiente silencioso sempre que possível, mesmo que a música seja inevitável.
• Corte para a seção relevante. Se apenas parte da gravação tem o problema de música de fundo, corte o arquivo nessa seção antes de enviar. Arquivos mais curtos são processados mais rápido e você evita reprocessar trechos que já estão limpos. Depois, é possível juntar os segmentos em qualquer editor de áudio.
• Verifique as saídas de vocais e instrumental. Às vezes um pouco de fala vaza para o stem instrumental, ou um pouco de música vaza para o stem vocal. Ouvir as duas saídas ajuda a identificar artefatos de separação. Se o stem vocal tiver vazamento de música, processe o arquivo novamente com a qualidade Best, que usa um modelo ajustado (fine-tuned).

Alternativa: extrair o áudio do vídeo primeiro

Vídeos MP4 e WebM podem ir direto para o removedor de voz: ele lê a faixa de áudio e ignora a imagem. Arquivos MOV, AVI e MKV precisam de um passo extra antes. Este é o fluxo de trabalho:

1. Extraia a faixa de áudio do vídeo. Use uma ferramenta como o FFmpeg (ffmpeg -i video.mp4 -vn -acodec pcm_s16le audio.wav) ou qualquer conversor on-line de vídeo para áudio. Extraia como WAV para a melhor qualidade. Se o vídeo tem várias faixas de áudio (ex.: narração na faixa 1, música na faixa 2), você pode já ter uma separação limpa e nem precisar de IA — confira primeiro as configurações de faixas de áudio no seu editor de vídeo.
2. Envie o áudio extraído ao removedor de voz. Selecione o modo Apenas vocais e processe. A IA separará a fala da música de fundo na faixa de áudio extraída.
3. Substitua o áudio no seu editor de vídeo. Importe a faixa vocal limpa de volta ao seu software de edição de vídeo (Premiere Pro, DaVinci Resolve, Final Cut Pro, CapCut ou qualquer editor). Silencie ou apague a faixa de áudio original e sincronize a faixa vocal limpa em seu lugar. A maioria dos editores permite encaixar o novo áudio no início da linha do tempo para um alinhamento perfeito.

Esse fluxo em três passos é padrão para produtores de vídeo que precisam limpar imagens de entrevistas, remover música protegida por direitos autorais de conteúdo gerado por usuários ou isolar a narração para reedição. Extrair o áudio primeiro também deixa o envio menor, o que ajuda com o limite de 50 MB. Se preferir descartar toda a trilha sonora, nossa ferramenta para remover o áudio de um vídeo faz isso num único passo.

Outras formas de remover música de fundo

As discussões em fóruns sobre essa questão apontam sempre para as mesmas poucas opções. A redução de ruído comum não funciona com música, porque a música muda o tempo todo e os filtros de ruído esperam um som constante.