カラオケ版を作る
いちばん多い用途です。声のない曲。Demucs がボーカルを脇に置き、残ったドラム、ベース、その他がカラオケです。編集に置く三つのパートと、その上で歌う一曲。
AIで曲からボーカルを分離する
30秒の曲を Demucs がボーカル、ドラム、ベース、その他の四つに分離し、隣では同じ曲をボーカル抽出に通します。アカウント登録なしで、ワークフロー全体をそのまま見られます。
インタラクティブデモ
本物のワークフロー、本物の結果。自由に移動・ズームできます。
このワークフローを使う実際のワークフロー：同じ曲が二つの「音を改善」ノードに入り、Demucs は四つのパートを、抽出は一つだけを返します。
概要
- ワークフローの成果物
- 処理した音声ファイル5本
- キャンバスの構成
- 3個のノードを0本の接続でつないだ構成
- 使用モデル
- Demucs, ElevenLabs Audio Isolation
- 1回のフル実行のコスト
- 約12クレジット（$0.14）
カラオケを作る、リミックス用に声だけ取り出す、練習用に曲からドラムを抜く。どれも同じ操作から始まります。曲をパートに分けることです。このワークフローは Meta の分離モデル Demucs でそれを行います。曲が「音を改善」ノードに入ると、四つのファイルが出てきます。ボーカル、ドラム、ベース、そしてギターやキーボードを含む残りすべてです。
二つ目のノードは、わざと別のことをします。ElevenLabs Audio Isolation は音楽ではなく話し声のために作られたもので、デモはそれでも曲に対して何をするかを見せます。返すのは声だけ。2026年9月3日にデモの曲で測定したところ、その包絡は Demucs のボーカルパートと相関 0.93 で一致し、音量は 17 % 大きいものでした。ただし返すのはそれだけです。インストがないので、カラオケにはなりません。
デモの曲は誰にも権利を尋ねなくて済むよう生成したものです。あなたの曲は各ノードの読み込みボタンから入り、一回につき最長十分、価格は秒単位です。三十秒の曲に対する二つのノードで14セント、うち Demucs は4クレジットです。
手順
- 1
曲を読み込む
MP3、WAV、M4A、OGG、最長十分。プレイヤーが読み取り次第、ノードは長さと価格を表示します。音声ポートはキャンバス上で生成した音楽も受け付けます。
- 2
Demucs を実行する
ワンクリックで四つのファイル：ボーカル、ドラム、ベース、その他。各パートに専用のプレイヤーとダウンロードボタンがあり、ノードの出力は最初のパート、ボーカルを運びます。
- 3
抽出と聴き比べる
二つ目のノードは別の経路で声だけを返します。作り込まれた歌では、どちらかがフレーズの終わりをよりよく保ちます。どちらを編集に送るか決める前に両方を聴いてください。
- 4
自分のバージョンを組む
カラオケは声を除いた三つのパートです。[編集](/docs/canvas-nodes)の三本の音声トラックに置いて書き出してください。リミックスなら声を残して残りを差し替えます。
バリエーションと活用例
同じキャンバスを、別の用途に合わせて調整。各バリエーションは、プロンプトを2〜3行変えるだけです。
リミックス用のアカペラ
その逆で、新しいトラックに載せる声だけ。ここで二つのノードが競い、それがデモの狙いです。Demucs と抽出は少しずつ違う声を返すので、フレーズの終わりがいちばん持ちこたえるほうを選んでください。
曲のドラムに合わせて練習する
曲を覚えたいドラマーはドラムのパートだけを取り出し、ギターなしで繰り返し聴きます。ベースも同じです。Demucs がもっともきれいに分ける二つのパートです。
スマートフォンで録ったカバーを整える
居間で撮ったカバーは声とギターが混ざっています。動画から音声を取り出し Demucs に通せば、声だけを別に、より大きくミックスし直してから映像に戻せます。
楽器を一つだけ取り出す
Demucs は四つの系統しか知りません。ギターやピアノをぴたりと取り出すには、SAM Audio ノードが「the electric guitar」のような文章の指定を受け取り、認識したものを片側に、残りをもう片側に返します。
曲に字幕を付ける、文字起こしする
分離した声はミックスよりずっと正確に文字起こしできます。言葉がスネアと争わなくなるからです。先に分離し、次に文字起こしし、怪しい単語の確認用にボーカルパートを残しておいてください。
よくある失敗
ボーカル抽出にカラオケを求める
抽出は声を返し、その逆は決して返しません。ノード名は「抽出」であり、その通りのことをします。声でないものは捨てられ、脇に取り置かれはしません。カラオケは Demucs です。
すでに強く圧縮されたファイルを分離する
96 kb/s の MP3 やスピーカーから録った曲は、Demucs が楽器の認識に使う高域をすでに失っています。パートはぼやけて出てきます。手に入る最良のファイル、できれば原音から始めてください。
三十秒のために十分を処理する
価格は秒単位で、Demucs は長いファイルに時間がかかります。先に必要な箇所へ切り詰めてから分離してください。安く、速く、結果は同じです。
「ギター」のパートを期待する
Demucs は声、ドラム、ベース以外のすべてを「その他」に入れます。ギター、キーボード、ストリングスがまとめてです。特定の楽器なら、上で述べた SAM Audio ノードであって、存在しない五つ目のパートではありません。
おすすめモデル
Demucs
ElevenLabs Audio Isolationよくある質問
二つのノードのどちらがカラオケを作りますか。
Demucs だけです。カラオケとは声でないすべて、つまりドラム、ベース、その他のパートを合わせたものです。ボーカル抽出は声しか返さないので、その逆は作れません。
分離した声はきれいですか。
耳にはきれい、拡大鏡では完璧ではありません。コーラスや長いリバーブでは、Demucs はボーカルパートに残りのミックスの気配をわずかに残すことがあります。リミックスなら新しい楽器の下に沈みます。裸のアカペラなら、無音部分を聴いてください。
著作権のある曲を分離してもよいですか。
技術的には可能で、モデルは権利を読みません。結果をどう使うかは曲のライセンス次第です。家庭用のカラオケなら問題は起きず、公開すれば起きます。デモの曲を生成したのはまさにそのためです。
分離の費用はいくらですか。
Demucs は三十秒で4クレジット、一分で6、上限の十分で六十ほどです。ボーカル抽出はより高く、一分あたり14クレジットです。価格はクリック前にノードに表示され、ファイルの測定された長さで計算されます。
最長の長さはどれくらいですか。
一回につき十分、どちらのノードも同じです。アルバム一枚は曲ごとに処理します。どのみちそれが望む形でしょう。一曲につき一組のパートです。
どんな形式で出力されますか。
どのソフトでも読める音声ファイルがパートごとに一つ、ノードからダウンロードできます。各パートは元の曲とまったく同じ長さで、ずれなく重なります。
スマートフォンからできますか。
できます。キャンバスはモバイルで動き、ファイルはノードから、スマートフォン内のファイルを含めて選べます。スマートフォンで作るガイドに指で操作するキャンバスの動きをまとめてあります。
自分のファイルはモデルの学習に使われますか。
使われません。アップロードしたものはあなたの領域に留まり、学習には渡されません。生成されたファイルは元の曲の権利の範囲内であなたのものです。