Separación de audio para música
Separar voz de música, de un master a todo el catálogo
Un acapella limpio y un instrumental listo para sincronización a partir de la mezcla final. Sin necesidad de archivos de sesión.
- Pop
- R&B
- Hip hop
- Country
Por lotes
Una canción o todo el catálogo, en Studio o por APIEn vivo
Conciertos y emisiones en tiempo real. Enterprise, bajo petición
Hecho para
Del estudio al catálogo
Sincronización
Instrumentales y versiones vocal‑up a partir del master original.
Remixes
Acapellas para remixes y packs de DJ.
Karaoke
Pistas para cantar a escala de catálogo.
Catálogos
Versiones que faltan en lanzamientos antiguos.
En vivo
Conciertos y emisiones, separados en tiempo real, para equipos enterprise.
El problema
Tu catálogo tiene la mezcla. No siempre los stems.
Los lanzamientos antiguos, los catálogos adquiridos y los masters terminados a menudo no tienen archivos de voz e instrumental por separado. Reconstruirlos a mano lleva un tiempo de estudio que no tienes para cada solicitud.
CAMB.AI separa la voz de la música: usa el aislamiento vocal para devolverte ambas versiones a partir de la mezcla que ya tienes.
En vivo · Enterprise
Separa las voces en vivo, en el escenario y en antena
Conecta la señal de un concierto o de una emisión y recibe las voces y la banda 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
Calidad
Medido, no solo prometido
En nuestro benchmark frente a AudioShake, ElevenLabs y LALAL.AI, CAMB.AI conservó más voz en el stem de primer plano y dejó menos voz residual en el fondo.
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 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 cómo trabajan los equipos de música
Lo que obtienes
Stem splitter con IA: voces e instrumental de cada canción
Voces
Las voces solas, sin la música.
Instrumental
El arreglo completo, sin las voces. La batería, el bajo y los demás instrumentos se quedan juntos en el instrumental.
API de separación vocal
De una canción a todo el catálogo: separa archivo a archivo en Studio o envía tu catálogo 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
En vivo, en el escenario y en antenaEnterprise
Separa las voces de la banda en tiempo real, para conciertos, emisiones en vivo y streams. Una función enterprise, configurada con tu equipo bajo petición.
Habla con nosotrosTus masters siguen siendo tuyos
CAMB.AI cumple con SOC 2 y no entrena sus modelos con tu audio. Tus ejecuciones aparecen en tu Historial y puedes borrarlas cuando quieras. La separación no cambia quién es el propietario de la música ni los derechos para usarla.
Más separación de audio
Cómo funciona
Extrae la voz de una canción 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 separar voz de música
Trae una canción. Llévate dos stems.
- Conforme con SOC 2
- Tu audio no se usa para entrenar nuestros modelos
- Por lotes y en vivo