Audio-Trennung
Stimme isolieren mit KI, live und auf Abruf
Isolieren Sie die Stimme von Musik, Publikum und Lärm und behalten Sie den Hintergrund als eigenen Stem. Aus einer Datei oder einem Live-Feed, für Musik, Sport und Rundfunk.
Batch
Dateien und Ordner, in Studio oder per APILive
Live-Feeds in Echtzeit. Enterprise, auf Anfrage
Live-Übertragungen mit CAMB.AI
CAMB.AI betreut bereits mehrsprachige Live-Übertragungen im Sport, darunter die Major League Soccer und die Australian Open. Unsere Arbeit im Sport
Zwei Stems
Ein Mix rein. Zwei Stems raus.
Echtes Audio ist nie sauber. Der Kommentar liegt unter 60.000 Fans, eine Sängerin unter der Band, ein Reporter unter dem Verkehr.
CAMB.AI trennt jedes Audio oder Video in den Vordergrund mit Sprache oder Gesang und den Hintergrund mit Musik, Publikum, Lärm und Ambiente. Behalten Sie die Stimme, die Atmosphäre oder nutzen Sie beides.
Live · Enterprise
Stimme isolieren in Echtzeit, für Live-Übertragungen
Verbinden Sie Ihren Live-Feed und erhalten Sie Stimme und Hintergrund als zwei getrennte Streams zurück, in Echtzeit. Wir richten das mit Ihrem Team ein, auf Ihrem eigenen Feed.
- Stimme und Hintergrund als zwei Live-Streams
- Jede Sprache, mehrere Sprecher gleichzeitig
- Direkt in die Live-Übersetzung und Live-Synchronisation von CAMB.AI
Im Vergleich
Sauberer als AudioShake und ElevenLabs bei allen 8 Messgrößen
Tippen Sie auf einen Stem, um ihn zu hören
Weniger Rauschen zwischen Wörtern
vs. AudioShake
vs. ElevenLabs
Benchmark-Ergebnisse
Sauberere Stimme, weniger Übersprechen
CAMB.AI, AudioShake, ElevenLabs und LALAL.AI mit denselben sieben echten Clips. CAMB.AI liegt bei jeder Trennungs-Messgröße vorn.
Die sauberste Stimme der vier
2,8× AudioShake und 1,7× ElevenLabs dabei, wie sauber die Stimme aus dem Mix gelöst wird.
SI-SDR, geschätzt mit SQUIM: wie viel der getrennten Stimme tatsächlich Stimme ist und nicht ihre Umgebung.
Die sauberste Stimme der vier
2,8× AudioShake und 1,7× ElevenLabs dabei, wie sauber die Stimme aus dem Mix gelöst wird.
SI-SDR, geschätzt mit SQUIM: wie viel der getrennten Stimme tatsächlich Stimme ist und nicht ihre Umgebung.
Am wenigsten Stimme zurückgelassen
14 % weniger als AudioShake, 16 % weniger als ElevenLabs, 29 % weniger als LALAL.AI: ein Hintergrund-Stem, den Sie wirklich wiederverwenden können.
Durchschnittliche Wahrscheinlichkeit, dass im Hintergrund-Stem noch Sprache zu hören ist.
Die Stimme, die am besten klingt
24 % über AudioShake und 23 % über ElevenLabs dabei, wie gut die getrennte Stimme klingt.
PESQ, geschätzt mit SQUIM: wahrgenommene Sprachqualität, ohne Referenzaufnahme.
Die Stimme, die am leichtesten zu verstehen ist
Jedes Wort bleibt klar, vor allen drei anderen.
STOI, geschätzt mit SQUIM: wie verständlich die getrennte Sprache ist.
Die meiste Stimme im Stimm-Stem
23 % über AudioShake und 13 % über ElevenLabs.
Durchschnittlicher CLAP-Sprachfokus-Abstand: wie eindeutig der Vordergrund-Stem Sprache enthält.
| Messgröße | CAMB.AI | AudioShake | ElevenLabs | LALAL.AI |
|---|---|---|---|---|
| Trennqualität (SI-SDR) | 2.84 dB | 1.01 dB | 1.64 dB | 2.81 dB |
| Stimme im Hintergrund (Leakage) | 0.376% | 0.437% | 0.447% | 0.529% |
| Wahrgenommene Qualität (PESQ) | 1.895 | 1.527 | 1.544 | 1.852 |
| Verständlichkeit (STOI) | 0.744 | 0.697 | 0.726 | 0.740 |
| Stimme im Vordergrund (CLAP gap) | 0.258 | 0.209 | 0.229 | 0.255 |
| DNSMOS Sprachqualität (SIG) | 2.662 | 2.387 | 2.523 | 2.684 |
| DNSMOS Hintergrundqualität (BAK) | 2.884 | 2.307 | 2.538 | 2.973 |
| DNSMOS Gesamtqualität (OVRL) | 2.303 | 1.923 | 2.094 | 2.327 |
Interner Benchmark: CAMB.AI, AudioShake, ElevenLabs und LALAL.AI mit denselben sieben Clips von Wikimedia Commons (Gaming-Kommentar, ein Filmtrailer, Livemusik, ein Interview im Freien, ein Live-Newsroom, Archiv-TV und ein Red-Carpet-Interview), gemittelt. SQUIM und DNSMOS sind referenzfreie Schätzungen. Bei den drei DNSMOS-Werten liegt LALAL.AI knapp vorn; bei allen anderen Messgrößen führt CAMB.AI.
Anwendungsfälle
Für Teams, die mit Ton arbeiten
Live und Batch
Für jede Art, mit Audio zu arbeiten
Live-TrennungEnterprise
Ihr Live-Feed, zurück als zwei getrennte Streams in Echtzeit: Stimme und Hintergrund. Für Übertragungen, Live-Sport, Events und Streams. Eine Enterprise-Funktion, auf Anfrage mit Ihrem Team eingerichtet.
Sprechen Sie mit unsBatch-Trennung
Laden Sie .mp4, .mov, .mp3, .wav, .flac oder .aac hoch, eine Datei oder einen ganzen Ordner. Laden Sie beide Stems als FLAC, WAV, MP3 oder AAC herunter. 22,6 Sekunden für ein 30-Sekunden-Video.
API für Audio-Trennung
Erstellen Sie eine Trennungsaufgabe, prüfen Sie ihren Status und rufen Sie die Ergebnisse ab, Datei für Datei oder im Bulk. Dieselben zwei Stems, direkt in Ihrem Workflow.
POST /apis/audio-separationGET /apis/audio-separation/{task_id}GET /apis/audio-separation-result/{run_id}POST /apis/audio-separation-results
Ihr Audio bleibt Ihres
CAMB.AI ist SOC-2-konform und trainiert seine Modelle nicht mit Ihrem Audio. Ihre bisherigen Durchläufe finden Sie in Ihrem Verlauf, und Sie können sie jederzeit löschen.
Einmal trennen, überall nutzen
Der saubere Stimm-Stem geht direkt in den Rest von CAMB.AI: Untertitel, Übersetzung und KI-Synchronisation, für Dateien oder live. Der Hintergrund-Stem bewahrt die Originalmusik und -atmosphäre unter der neuen Stimme.
Für wen
Für jedes Team, das mit Stimme arbeitet
Musiklabels und Verlage
Gesangs- und Instrumentalversionen aus Katalogen, die nie Stems hatten.
Sportligen und Sender
Sauberer Kommentar und ein separater Atmosphäre-Stem, live und nach dem Spiel.
Newsrooms und Postproduktion
Dialoge aus Straßen, Menschenmengen und Wind gelöst, bereit zum Schnitt.
Lokalisierungsteams
Eine saubere Stimme zum Übersetzen und ein Hintergrund-Stem zum Synchronisieren.
Entwickler
Zwei Stems aus einem API-Aufruf, für eine Datei oder Tausende.
Creator und Social-Teams
Clips ohne Soundtrack, bereit für einen neuen.
So funktioniert es
Vom Mix zu zwei Stems in vier Schritten
Preise
Wählen Sie Ihre Stunden. Beide Stems in jedem Tarif.
Jeder Tarif liefert Stimme und Hintergrund als zwei Stems, in Studio und per API. Testen Sie jeden Tarif 3 Tage kostenlos, mit 30 Minuten Audio.
Solo
$40/Monat
$480 jährlich abgerechnet
3 Stunden Audio pro Monat
Für Creator und Hobbyisten. Holen Sie die Stimme in Minuten aus Songs, Podcasts und Videos.
Kostenlos testen- Heute 30 Minuten zum Testen. Heute $0.
- Tag 3 Ihr Tarif beginnt: $480 pro Jahr.
Session
Empfohlen$130/Monat
$1,560 jährlich abgerechnet
10 Stunden Audio pro Monat
Für Produzenten und Content Creator, die jede Woche arbeiten. Genug für ganze Alben, Podcasts und Soundtracks.
Kostenlos testen- Heute 30 Minuten zum Testen. Heute $0.
- Tag 3 Ihr Tarif beginnt: $1,560 pro Jahr.
Catalog
$375/Monat
$4,500 jährlich abgerechnet
30 Stunden Audio pro Monat
Für Profis und Teams mit hohem Volumen. Saubere Stimm- und Hintergrund-Stems für Musik, Postproduktion und Lokalisierung.
Kostenlos testen- Heute 30 Minuten zum Testen. Heute $0.
- Tag 3 Ihr Tarif beginnt: $4,500 pro Jahr.
Enterprise
Hohe Volumen, Live-Trennung auf Ihren eigenen Feeds oder Trennung direkt in Ihrem eigenen Workflow.
- Live-Trennung in Echtzeit
- Volumenpreise
- SLA und dedizierter Support
- Individuelle Auslieferung und Speicherung
FAQ
Fragen zur Audio-Trennung
Hören Sie den Unterschied mit Ihrem eigenen Audio
- SOC-2-konform
- Ihr Audio wird nicht zum Training unserer Modelle verwendet
- Batch und live