Separar voz e instrumental
Aísla la voz centrada de una mezcla estéreo y descarga las dos pistas en WAV 24 bits. DSP clásico en tu navegador, sin modelos de IA ni subidas.
Qué hace el algoritmo, sin promesas de más
1. Canal medio y canal lateral
En una mezcla estéreo, la voz principal se panea al centro: la misma señal, con la misma fase, en L y en R. Un instrumento abierto tiene diferencias entre canales. El canal medio M = (L+R)/2 conserva lo centrado; el lateral S = (L−R)/2 conserva lo que difiere. Restar los canales (L−R) elimina la voz, pero también elimina el bajo y el bombo, y deja un instrumental con la imagen estéreo rota. Aquí se usa esa diferencia como criterio, no como resultado.
2. Máscara por frecuencia
En lugar de decidir «todo o nada», se analiza bin a bin. Para cada frecuencia se calcula
M / (M + S), que vale cerca de 1 cuando esa frecuencia está centrada y cerca de 0 cuando está
abierta. Elevado a la agresividad elegida, ese valor se convierte en la máscara que se aplica al canal medio.
Con agresividad 1, la máscara es lineal; con 2, sólo pasa lo que está casi perfectamente centrado; con 0,5,
deja pasar parte del acompañamiento y la voz suena más natural.
3. Corte de graves y atenuación de agudos
Bombo y bajo están centrados, así que sin filtro acabarían en la pista vocal. La máscara se multiplica por una rampa que llega a cero por debajo del corte (180 Hz por defecto) y por una atenuación progresiva por encima de 13 kHz, donde la voz tiene poca energía y el ruido de la máscara se nota más.
4. Reconstrucción y resta
El canal medio enmascarado se reconstruye con una IFFT de 2048 puntos, ventana de Hann y solape del 75 %, y se normaliza por la suma de las ventanas al cuadrado para que la amplitud sea la correcta. Esa es la pista vocal. La instrumental se obtiene restando la voz estimada de la mezcla original, en el dominio del tiempo: no es una copia del canal lateral, así que conserva la imagen estéreo completa.
Para qué sirve de verdad
- Practicar sobre una base. La instrumental sirve para tocar o cantar encima, aceptando que la mezcla queda algo hueca.
- Estudiar una producción. Escuchar sólo la voz centrada revela cómo están tratados los doblajes, la compresión y la reverberación.
- Preparar un remix casero. Con la voz separada puedes probar una idea de arreglo antes de pedir los stems reales.
- Karaoke sin playback oficial. Funciona mejor en temas de producción densa que en baladas con instrumentación muy reverberada.
Para separación de calidad profesional, la referencia hoy es Demucs (Meta, MIT) o los modelos MDX de UVR, ejecutados en local o en una GPU. Este separador no compite con ellos: resuelve el caso rápido, sin descargar cientos de megas ni esperar minutos.
Qué esperar de cada tipo de mezcla
| Material | Voz | Instrumental |
|---|---|---|
| Pop o dance con voz centrada | Buena, con algo de caja | Usable, con la voz muy atenuada |
| Rock con guitarras dobladas | Aceptable | Buena: las guitarras están abiertas |
| Directo con mucha reverberación | Con cola del recinto | Voz residual audible |
| Mono o voz doblada a ambos lados | No hay separación posible | Prácticamente igual que el original |