把歌曲拖到这里
MP3、WAV、FLAC、OGG、M4A——视频文件也可以
怎样把人声从音乐里分出来
放入一首歌并点击分离。神经网络读取歌曲的频谱图，对每个时刻的每个频率判断有多少属于人声，然后把人声作为一条轨道、音乐作为另一条交给你。两条都保持原长并与原曲同步，可以直接放回编辑器里与原曲对照。
分离出来的人声能做什么
提取出的清唱是混音、混搭和采样的起点。它也是研究一段演唱的方式：没有伴奏之后，换气、咬字和节奏的细节会以在混音里从未有过的方式显现。制作人用它提取段落，扒词的人用它听清被母带掩盖的歌词，歌手用它逐句对照自己的版本。
歌曲不会离开浏览器
模型只下载一次——78 MB，之后留在你的设备上——歌曲本身不会被发送到任何地方。这一点可以验证而不是声明：打开浏览器的网络面板，处理一首歌看看。在服务器上分离的工具必须按文件大小和每天的曲数计费，因为每首歌都要消耗他们的算力；对我们来说每首歌的成本是零，所以这里没有限制。
清唱有多干净
足以采样和研究，但达不到录音室分轨的水准。与人声处在同一音域的乐器会有渗漏——同八度的主音合成器或失真吉他是最难的情况——高频略显沉闷，因为模型分析到约 11 kHz，之上的空气感留在了音乐里。原始人声上的混响与延迟一部分被分开，一部分留下。
清唱与伴奏
一次处理得到两条轨道，完整长度，与原曲同步。什么都不上传
歌曲留在你的设备上。可在网络面板验证：没有向外的请求。无账号，无限制
无需注册，无水印，每天不限曲数。常见问题
放入文件并点击分离人声。工具会把歌曲拆成人声轨和音乐轨，两者都可以下载。什么都不会上传——模型在你的浏览器里运行——也没有账号或次数限制。
足以采样、扒词和研究演唱。不是录音室分轨：同音域的乐器会有少量渗漏，最高频略微沉闷，混响尾巴部分留在音乐里。稀疏的编曲比响度极高的密集母带分离得更好。
同一个模型，相反的输出。人声消除保留伴奏、丢掉人声；这个页面保留人声。两条轨道无论如何都会生成，所以从哪个页面开始，另一条都在旁边。
每个文件十分钟。原因是内存而非规定：分离需要把整首歌以未压缩形式保存在标签页中，每条轨道还要一份副本，约每分钟 125 MB。
Deezer 以 MIT 许可发布的 Spleeter，转换为 ONNX 后用 onnxruntime 在浏览器中运行。更强的研究模型只允许科研或非商业使用。