Separación de audio para medios y broadcast
Aislar voz de cualquier emisión o video
Aísla la voz de cualquier video o audio. Obtén un stem de diálogo limpio, con la música y los efectos (M&E) en su propio stem.
Por lotes
Archivos de video y audio, en Studio o por APIEn vivo
Emisiones en vivo en tiempo real. Enterprise, bajo petición
De confianza para emisiones en vivo
CAMB.AI produce emisiones multilingües en vivo para Major League Soccer y el Australian Open. Ver nuestro trabajo en medios
Dos stems
Más que un aislador de voz
La mayoría de los aisladores de voz se quedan con la voz y tiran el resto.
CAMB.AI te da ambas cosas: un stem de diálogo limpio y un stem M&E con la música, los efectos y el ambiente. Usa el diálogo para subtítulos y transcripciones, y el M&E para el doblaje.
En vivo · Enterprise
Aislar voz de una emisión en vivo
Separa la voz y el fondo en tiempo real en emisiones en vivo, eventos y streams. 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
Benchmark
Un aislador de voz que puedes medir
Con los mismos siete clips reales, entre ellos una redacción en vivo, televisión de archivo y una entrevista en exteriores, CAMB.AI superó tanto a ElevenLabs Voice Isolator como a AudioShake en todas las medidas.
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
Donde importa un diálogo limpio
El stem M&E
¿Necesitas lo contrario? Quita la voz de un video
Conserva el stem M&E y descarta la voz: música, efectos y ambiente sin el diálogo, listos para una nueva locución o un nuevo idioma.
Dóblalo a un nuevo idiomaEn vivo y por lotes
Aislar voz, en vivo o desde archivos
En vivoEnterprise
Separa la voz y el fondo en tiempo real en emisiones en vivo, eventos y streams. Una función enterprise, configurada con tu equipo bajo petición.
Habla con nosotrosPor lotes
Sube .mp4, .mov, .mp3, .wav, .flac o .aac. Descarga FLAC, WAV, MP3 o AAC. 22,6 segundos para procesar un video de 30 segundos.
API
Envía bibliotecas enteras por la API y recibe los resultados en bloque.
POST /apis/audio-separationGET /apis/audio-separation/{task_id}GET /apis/audio-separation-result/{run_id}POST /apis/audio-separation-resultsVer la API de separación de audio
Hecho para empresas de medios
CAMB.AI cumple con SOC 2 y no entrena sus modelos con tu audio. Tus ejecuciones están en tu Historial y puedes borrarlas cuando quieras.
Más separación de audio
Hecho para
De la redacción al archivo
Redacciones
Entrevistas en la calle, entre multitudes y con viento, lo bastante limpias para emitirlas.
Broadcasters
Una voz limpia para la traducción en vivo, y el fondo para cada nuevo idioma.
Postproducción
Aislamiento de diálogos para ediciones, remezclas y promos.
Equipos de localización
Una voz limpia para traducir y un stem de fondo sobre el que doblar.
Archivos
Programas antiguos recuperados con diálogo limpio.
Cómo funciona
Aislar voz en tres 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 aislar voz
Aísla la voz de tus propias grabaciones
- Conforme con SOC 2
- Tu audio no se usa para entrenar nuestros modelos
- Por lotes y en vivo