音楽のための音声分離
ボーカル抽出で声と音楽を分離、1曲のマスターからカタログ全体まで
完成したミックスから、クリアなアカペラとシンクにすぐ使えるインストを。セッションファイルは不要です。
- ポップ
- R&B
- ヒップホップ
- カントリー
バッチ
1曲でもカタログ全体でも、StudioまたはAPIでライブ
コンサートや放送をリアルタイムで。Enterprise、ご相談ください
活用シーン
スタジオからカタログまで
シンク
オリジナルのマスターから、インストとボーカルアップ版を。
リミックス
リミックスやDJパック向けのアカペラ。
カラオケ
カタログ規模のシンガロングトラック。
カタログ
旧作に欠けているバージョンを。
ライブ
コンサートや放送をリアルタイムで分離。Enterpriseチーム向け。
課題
カタログにあるのはミックス音源。ステムがあるとは限りません。
旧作、買収したカタログ、完成済みのマスターには、ボーカルとインストの個別ファイルがないことがよくあります。手作業で作り直すには、依頼ごとに確保できないほどのスタジオ時間がかかります。
CAMB.AIはボーカルとインストの分離ツールです。ボーカル抽出により、すでにお持ちのミックスから両方のバージョンを取り出します。
ライブ · Enterprise
ステージでも放送でも、ボーカルをライブで分離
コンサートや放送のフィードを接続すると、ボーカルとバンドが2つの別々のストリームとしてリアルタイムで返ってきます。お客様のフィードで、チームと一緒にセットアップします。
- 声と背景音を2つのライブストリームで
- あらゆる言語、複数の話者にも同時対応
- そのままCAMB.AIのライブ翻訳・吹き替えへ
品質
約束だけでなく、測定済み
AudioShake、ElevenLabs、LALAL.AIとのベンチマークで、CAMB.AIは前景ステムに最も多くの声を残し、背景に残る声が最も少ない結果となりました。
背景に残る声が最も少ない
AudioShakeより14%、ElevenLabsより16%、LALAL.AIより29%少なく、本当に再利用できる背景ステムになります。
背景ステムで音声がまだ聞こえる平均確率。
4社の中で最もクリアな声
ミックスから声をどれだけきれいに取り出せるかで、AudioShakeの2.8倍、ElevenLabsの1.7倍。
SI-SDR(SQUIMによる推定値):分離した声のうち、周囲の音ではなく声そのものが占める割合。
背景に残る声が最も少ない
AudioShakeより14%、ElevenLabsより16%、LALAL.AIより29%少なく、本当に再利用できる背景ステムになります。
背景ステムで音声がまだ聞こえる平均確率。
最も良く聞こえる声
分離した声の聞こえの良さで、AudioShakeを24%、ElevenLabsを23%上回ります。
PESQ(SQUIMによる推定値):参照録音なしで評価した、音声の知覚品質。
最も聞き取りやすい声
すべての言葉が明瞭に残り、3社すべてを上回ります。
STOI(SQUIMによる推定値):分離した音声の聞き取りやすさ。
ボイスステムに最も多くの声を保持
AudioShakeを23%、ElevenLabsを13%上回ります。
CLAPによる音声フォーカスの平均差:前景ステムがどれだけ明確に音声を捉えているか。
| 指標 | CAMB.AI | AudioShake | ElevenLabs | LALAL.AI |
|---|---|---|---|---|
| 分離品質 (SI-SDR) | 2.84 dB | 1.01 dB | 1.64 dB | 2.81 dB |
| 背景に残った声 (Leakage) | 0.376% | 0.437% | 0.447% | 0.529% |
| 知覚品質 (PESQ) | 1.895 | 1.527 | 1.544 | 1.852 |
| 明瞭度 (STOI) | 0.744 | 0.697 | 0.726 | 0.740 |
| 前景に残った声 (CLAP gap) | 0.258 | 0.209 | 0.229 | 0.255 |
| DNSMOS 音声品質(SIG) | 2.662 | 2.387 | 2.523 | 2.684 |
| DNSMOS 背景品質(BAK) | 2.884 | 2.307 | 2.538 | 2.973 |
| DNSMOS 総合品質(OVRL) | 2.303 | 1.923 | 2.094 | 2.327 |
社内ベンチマーク:CAMB.AI、AudioShake、ElevenLabs、LALAL.AIを、Wikimedia Commonsの同じ7つのクリップ(ゲーム実況、映画予告編、ライブ音楽、屋外インタビュー、ライブのニュースルーム、アーカイブのテレビ映像、レッドカーペットのインタビュー)で比較し、平均した結果です。SQUIMとDNSMOSは参照なしの推定値です。DNSMOSの3つのスコアではLALAL.AIがわずかに上回り、それ以外のすべての指標でCAMB.AIがトップです。
活用例
音楽チームの働き方に合わせて
受け取れるもの
AIステムスプリッター:すべての曲からボーカルとインストを
ボーカル
音楽を除いた、ボーカルだけのトラック。
インスト
ボーカルを除いた、アレンジ全体。ドラム、ベース、その他の楽器はインストにまとめて残ります。
ボーカル抽出API
1曲からカタログ全体まで。Studioで1ファイルずつ分離することも、APIでカタログを送って結果を一括で受け取ることもできます。
POST /apis/audio-separationGET /apis/audio-separation/{task_id}GET /apis/audio-separation-result/{run_id}POST /apis/audio-separation-results音声分離APIを見る
ライブ、ステージでも放送でもEnterprise
コンサート、ライブ放送、配信で、ボーカルとバンドをリアルタイムで分離。Enterprise向けの機能で、ご相談に応じてチームと一緒にセットアップします。
お問い合わせマスター音源はお客様のもの
CAMB.AIはSOC 2に準拠しており、お客様の音声でモデルを学習させることはありません。実行は履歴に一覧表示され、いつでも削除できます。分離しても、音楽の所有者や使用権が変わることはありません。
その他の音声分離
仕組み
3ステップで曲からボーカル抽出
料金
必要な時間を選ぶだけ。どのプランでも2つのステム
どのプランでも、声と背景音を2つのステムで受け取れます。Studioでも、APIでも。どのプランも3日間・30分の音声を無料でお試しいただけます。
Solo
$40/月
年額$480を請求
3時間 の音声/月
クリエイターや趣味で使う方に。曲、ポッドキャスト、動画から数分で声を取り出せます。
無料トライアルを開始- 本日 30分お試し。本日のお支払いは$0。
- 3日目 プラン開始:年額$480。
Session
おすすめ$130/月
年額$1,560を請求
10時間 の音声/月
毎週制作するプロデューサーやコンテンツクリエイターに。アルバム全体、ポッドキャスト、サウンドトラックに十分な時間です。
無料トライアルを開始- 本日 30分お試し。本日のお支払いは$0。
- 3日目 プラン開始:年額$1,560。
Catalog
$375/月
年額$4,500を請求
30時間 の音声/月
大量の音声を扱うプロやチームに。音楽、ポストプロダクション、ローカライズ向けのクリアな声と背景音のステム。
無料トライアルを開始- 本日 30分お試し。本日のお支払いは$0。
- 3日目 プラン開始:年額$4,500。
Enterprise
大量処理、お客様のフィードでのライブ分離、または独自のワークフローへの組み込みに。
- リアルタイムのライブ分離
- ボリューム料金
- SLAと専任サポート
- カスタムの納品とストレージ
よくある質問




