Separación de audio
Separar audio con IA, en vivo y bajo demanda
Aísla la voz de la música, el público y el ruido, y conserva el fondo en su propio stem. Desde un archivo o una señal en vivo, para música, deportes y broadcast.
Por lotes
Archivos y carpetas, en Studio o por APIEn vivo
Señales en vivo en tiempo real. Enterprise, bajo petición
Emisiones en vivo con tecnología de CAMB.AI
CAMB.AI ya produce emisiones deportivas multilingües en vivo, entre ellas Major League Soccer y el Australian Open. Ver nuestro trabajo en deportes
Dos stems
Una mezcla entra. Dos stems salen.
El audio real nunca está limpio. El comentario queda bajo 60.000 aficionados, un cantante bajo la banda, un reportero bajo el tráfico.
CAMB.AI divide cualquier audio o video en el primer plano, con la voz o las voces cantadas, y el fondo, con la música, el público, el ruido y el ambiente. Quédate con la voz, con el ambiente o usa ambos.
En vivo · Enterprise
Aislamiento de voz en tiempo real para emisiones en vivo
Conecta tu señal en vivo y recibe la voz y el fondo como dos streams separados, en tiempo real. Lo configuramos con tu equipo, sobre tu propia señal.
- Voz y fondo como dos streams en vivo
- Cualquier idioma, varios hablantes a la vez
- Directo a la traducción y el doblaje en vivo de CAMB.AI
Comparativa
Más limpio que AudioShake y ElevenLabs en las 8 medidas
Toca un stem para escucharlo
Menos ruido entre palabras
vs. AudioShake
vs. ElevenLabs
Resultados del benchmark
Voz más limpia, menos filtraciones
CAMB.AI, AudioShake, ElevenLabs y LALAL.AI con los mismos siete clips reales. CAMB.AI queda primero en todas las medidas de separación.
La voz más limpia de las cuatro
2,8× AudioShake y 1,7× ElevenLabs en lo limpia que sale la voz de la mezcla.
SI-SDR, estimado con SQUIM: cuánto de la voz separada es voz y no lo que la rodeaba.
La voz más limpia de las cuatro
2,8× AudioShake y 1,7× ElevenLabs en lo limpia que sale la voz de la mezcla.
SI-SDR, estimado con SQUIM: cuánto de la voz separada es voz y no lo que la rodeaba.
La menor cantidad de voz residual
Un 14 % menos que AudioShake, un 16 % menos que ElevenLabs y un 29 % menos que LALAL.AI: un stem de fondo que de verdad puedes reutilizar.
Probabilidad media de que la voz aún se oiga en el stem de fondo.
La voz que mejor suena
Un 24 % por encima de AudioShake y un 23 % por encima de ElevenLabs en lo bien que suena la voz separada.
PESQ, estimado con SQUIM: calidad percibida de la voz, sin grabación de referencia.
La voz más fácil de entender
Cada palabra se entiende con claridad, por delante de las otras tres.
STOI, estimado con SQUIM: lo inteligible que es la voz separada.
La mayor cantidad de voz en el stem de voz
Un 23 % por encima de AudioShake y un 13 % por encima de ElevenLabs.
Diferencia media de enfoque en el habla según CLAP: con qué claridad el stem de primer plano contiene voz.
| Medida | CAMB.AI | AudioShake | ElevenLabs | LALAL.AI |
|---|---|---|---|---|
| Calidad de separación (SI-SDR) | 2.84 dB | 1.01 dB | 1.64 dB | 2.81 dB |
| Voz que queda en el fondo (Leakage) | 0.376% | 0.437% | 0.447% | 0.529% |
| Calidad perceptual (PESQ) | 1.895 | 1.527 | 1.544 | 1.852 |
| Inteligibilidad (STOI) | 0.744 | 0.697 | 0.726 | 0.740 |
| Voz conservada en primer plano (CLAP gap) | 0.258 | 0.209 | 0.229 | 0.255 |
| Calidad de voz DNSMOS (SIG) | 2.662 | 2.387 | 2.523 | 2.684 |
| Calidad de fondo DNSMOS (BAK) | 2.884 | 2.307 | 2.538 | 2.973 |
| Calidad global DNSMOS (OVRL) | 2.303 | 1.923 | 2.094 | 2.327 |
Benchmark interno: CAMB.AI, AudioShake, ElevenLabs y LALAL.AI con los mismos siete clips de Wikimedia Commons (comentario de videojuegos, un tráiler de película, música en vivo, una entrevista en exteriores, una redacción en vivo, televisión de archivo y una entrevista en la alfombra roja), promediados. SQUIM y DNSMOS son estimaciones sin referencia. En las tres puntuaciones DNSMOS LALAL.AI va ligeramente por delante; CAMB.AI lidera en todas las demás medidas.
Casos de uso
Hecho para los equipos que trabajan con sonido
En vivo y por lotes
Todas las formas en que trabajas con audio
Separación en vivoEnterprise
Tu señal en vivo, devuelta como dos streams separados en tiempo real: la voz y el fondo. Para emisiones, deportes en vivo, eventos y streams. Una función enterprise, configurada con tu equipo bajo petición.
Habla con nosotrosSeparación por lotes
Sube .mp4, .mov, .mp3, .wav, .flac o .aac, un archivo o una carpeta entera. Descarga ambos stems en FLAC, WAV, MP3 o AAC. 22,6 segundos para procesar un video de 30 segundos.
API de separación de audio
Crea una tarea de separación, consulta su estado y obtén los resultados, archivo a archivo o en bloque. Los mismos dos stems, dentro de tu propio flujo de trabajo.
POST /apis/audio-separationGET /apis/audio-separation/{task_id}GET /apis/audio-separation-result/{run_id}POST /apis/audio-separation-results
Tu audio sigue siendo tuyo
CAMB.AI cumple con SOC 2 y no entrena sus modelos con tu audio. Tus ejecuciones anteriores están en tu Historial y puedes borrarlas cuando quieras.
Separa una vez, úsalo en todas partes
El stem de voz limpio pasa directamente al resto de CAMB.AI: subtítulos, traducción y doblaje con IA, en archivos o en vivo. El stem de fondo conserva la música y el ambiente originales bajo la nueva voz.
Para quién es
Hecho para todos los equipos que trabajan con la voz
Sellos y editoriales musicales
Versiones vocales e instrumentales de catálogos que nunca tuvieron stems.
Ligas deportivas y broadcasters
Comentario limpio y un stem de ambiente aparte, en vivo y después del partido.
Redacciones y postproducción
Diálogos rescatados de calles, multitudes y viento, listos para editar.
Equipos de localización
Una voz limpia para traducir y un stem de fondo sobre el que doblar.
Desarrolladores
Dos stems con una llamada a la API, para un archivo o para miles.
Creadores y equipos de redes
Clips sin su banda sonora, listos para una nueva.
Cómo funciona
De una mezcla a dos stems en cuatro pasos
Precios
Elige tus horas. Los dos stems en cada plan.
Cada plan te da la voz y el fondo en dos stems, en Studio y por API. Prueba cualquier plan gratis durante 3 días, con 30 minutos de audio.
Solo
$40/mes
$480 facturados anualmente
3 horas de audio al mes
Para creadores y aficionados. Saca la voz de canciones, pódcasts y videos en minutos.
Empezar prueba gratuita- Hoy 30 minutos para probar. $0 hoy.
- Día 3 Empieza tu plan: $480 al año.
Session
Recomendado$130/mes
$1,560 facturados anualmente
10 horas de audio al mes
Para productores y creadores de contenido que trabajan cada semana. Suficiente para álbumes completos, pódcasts y bandas sonoras.
Empezar prueba gratuita- Hoy 30 minutos para probar. $0 hoy.
- Día 3 Empieza tu plan: $1,560 al año.
Catalog
$375/mes
$4,500 facturados anualmente
30 horas de audio al mes
Para profesionales y equipos con mucho volumen. Stems limpios de voz y fondo para música, posproducción y localización.
Empezar prueba gratuita- Hoy 30 minutos para probar. $0 hoy.
- Día 3 Empieza tu plan: $4,500 al año.
Enterprise
Grandes volúmenes, separación en vivo sobre tus propias señales o separación dentro de tu propio flujo de trabajo.
- Separación en vivo, en tiempo real
- Precios por volumen
- SLA y soporte dedicado
- Entrega y almacenamiento a medida
Preguntas frecuentes
Preguntas sobre separar audio
Escucha la diferencia con tu propio audio
- Conforme con SOC 2
- Tu audio no se usa para entrenar nuestros modelos
- Por lotes y en vivo