Audio-Trennung für Medien und Rundfunk
Audio trennen: die Stimme aus jeder Sendung und jedem Video freistellen
Trennen Sie das Audio jedes Videos und stellen Sie die Stimme frei. Sie erhalten einen sauberen Dialog-Stem, mit Musik und Effekten (M&E) auf einem eigenen Stem.
Batch
Video- und Audiodateien, in Studio oder per APILive
Live-Übertragungen in Echtzeit. Enterprise, auf Anfrage
Vertraut bei Live-Übertragungen
CAMB.AI betreut mehrsprachige Live-Übertragungen für die Major League Soccer und die Australian Open. Unsere Arbeit für Medien
Zwei Stems
Mehr als ein Stimmisolator
Die meisten Stimmisolatoren behalten die Stimme und werfen den Rest weg.
CAMB.AI liefert Ihnen beides: einen sauberen Dialog-Stem und einen M&E-Stem mit Musik, Effekten und Ambiente. Nutzen Sie den Dialog für Untertitel und Transkripte und den M&E-Stem für die Synchronisation.
Live · Enterprise
Stimme aus einer Live-Übertragung freistellen
Trennen Sie Stimme und Hintergrund in Echtzeit bei Live-Übertragungen, Events und Streams. 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
Ein Stimmisolator, den Sie messen können
Mit denselben sieben echten Clips, darunter ein Live-Newsroom, Archiv-TV und ein Interview im Freien, schlug CAMB.AI sowohl ElevenLabs Voice Isolator als auch AudioShake bei jeder Messgröße.
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
Wo saubere Dialoge zählen
Der M&E-Stem
Brauchen Sie das Gegenteil? Stimme aus Video entfernen
Behalten Sie den M&E-Stem und verwerfen Sie die Stimme: Musik, Effekte und Atmosphäre ohne Dialog, bereit für ein neues Voice-over oder eine neue Sprache.
In eine neue Sprache synchronisierenLive und Batch
Audio trennen, live oder aus Dateien
LiveEnterprise
Trennen Sie Stimme und Hintergrund in Echtzeit bei Live-Übertragungen, Events und Streams. Eine Enterprise-Funktion, auf Anfrage mit Ihrem Team eingerichtet.
Sprechen Sie mit unsBatch
Laden Sie .mp4, .mov, .mp3, .wav, .flac oder .aac hoch. Laden Sie FLAC, WAV, MP3 oder AAC herunter. 22,6 Sekunden für ein 30-Sekunden-Video.
API
Schicken Sie ganze Bibliotheken über die API und erhalten Sie die Ergebnisse im Bulk.
POST /apis/audio-separationGET /apis/audio-separation/{task_id}GET /apis/audio-separation-result/{run_id}POST /apis/audio-separation-resultsZur API für Audio-Trennung
Gemacht für Medienunternehmen
CAMB.AI ist SOC-2-konform und trainiert seine Modelle nicht mit Ihrem Audio. Ihre Durchläufe stehen in Ihrem Verlauf, und Sie können sie jederzeit löschen.
Mehr Audio-Trennung
Gemacht für
Vom Newsroom bis ins Archiv
Newsrooms
Interviews von Straßen, aus Menschenmengen und im Wind, sauber genug für die Sendung.
Sender
Eine saubere Stimme für die Live-Übersetzung und der Hintergrund für jede neue Sprache.
Postproduktion
Dialog-Isolierung für Schnitte, Remixe und Promos.
Lokalisierungsteams
Eine saubere Stimme zum Übersetzen und ein Hintergrund-Stem zum Synchronisieren.
Archive
Alte Sendungen, zurück mit sauberem Dialog.
So funktioniert es
Audio trennen in drei 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 zum Freistellen von Stimmen
Stellen Sie die Stimme in Ihrem eigenen Material frei
- SOC-2-konform
- Ihr Audio wird nicht zum Training unserer Modelle verwendet
- Batch und live