Wokal, bębny i bas osobno - jak rozłożyć piosenkę na stemy z AI

Chcesz zostawić z piosenki sam głos, nagrać od nowa bas albo nauczyć się partii bębnów ze słuchu. W Kadrarisie robi to Multistem Splitter: wrzucasz jeden plik audio, a jedno zadanie oddaje trzy osobne ścieżki. Stawka 8,80 zł za minutę dotyczy minuty utworu i obejmuje wszystkie trzy ścieżki naraz, więc za czterominutowy kawałek zapłacisz 4 × 8,80 zł za minutę. Poniżej piszę, kiedy to narzędzie ma sens, kiedy taniej wyjdzie coś prostszego, jak go użyć w Studio i w API i czego na razie nie ustawisz.

Trzy pliki na wyjściu

Zestaw jest zawsze ten sam:

• wokal - główny głos razem z chórkami,
• perkusja - bębny i drobne instrumenty perkusyjne,
• bas - sama linia basowa.

Silnik po stronie producenta potrafi wydzielić do sześciu ścieżek, między innymi pianino oraz gitarę elektryczną i akustyczną. W Kadrarisie wyboru ścieżek jeszcze nie ma i zadanie zawsze używa domyślnego zestawu z listy wyżej. Formularz nie pozwala też wybrać silnika, poziomu ekstrakcji ani usuwania pogłosu.

Z tego wynika jedna praktyczna rzecz: gitary, klawisze, smyczki i reszta aranżacji nie lądują w żadnym osobnym pliku. Jeśli zależy ci na podkładzie, czyli wszystkim oprócz głosu w jednym kawałku, sięgnij po Music Extractor.

Dobierz narzędzie do celu

W katalogu są trzy narzędzia, które rozkładają muzykę, każde inaczej:

Policz to na przykładzie czterech minut. Same stemy kosztują 4 × 8,80 zł za minutę. Para podkład plus acapella z dwóch osobnych narzędzi to 4 × 2,93 zł za minutę + 4 × 2,93 zł za minutę. Kiedy osobne bębny i bas nie są ci potrzebne, ta para zwykle wychodzi taniej. Opisałem ją w poradniku o usuwaniu wokalu z piosenki, a różnice obu narzędzi w porównaniu Multistem Splitter i Vocal Remover.

W Studio, bez kodu

1. Załóż konto przez rejestrację i doładuj saldo kartą albo BLIK-iem.
2. W Studio przejdź do zakładki Audio i kliknij Multistem Splitter.
3. W polu Plik audio (URL) wybierz Wgraj plik (MP3 lub WAV, do 25 MB) albo wklej publiczny adres pliku.
4. Sprawdź kwotę w polu Koszt i naciśnij Generuj.
5. Ścieżki pokażą się w galerii. Ściągnij je od razu, a nazwy nadaj dopiero po przesłuchaniu.

Kwota widoczna w polu Koszt jest zabezpieczeniem, a nie rachunkiem. Zanim plik zostanie pobrany, system nie wie, ile trwa utwór, więc blokuje równowartość 10 minut, czyli 10 × 8,80 zł za minutę. Po zakończeniu pobiera opłatę za prawdziwą długość, a nadwyżka od razu wraca na saldo. Przy tym narzędziu warto o tym pamiętać, bo cała blokada musi zmieścić się w wolnych środkach, a minimalne doładowanie może na nią nie wystarczyć.

Wywołanie przez API

Model ma jedno pole wejściowe, audio_url, z publicznym adresem pliku:

curl https://kadraris.com/v1/generate \
  -H "Authorization: Bearer $KADRARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "multistem-splitter",
    "input": { "audio_url": "https://twoj-serwer.pl/audio/utwor.wav" }
  }'

W odpowiedzi 202 dostajesz id zadania i estimated_cost, czyli opisaną wyżej blokadę. Stan zadania czytasz z GET /v1/tasks/{id}. Gdy wszystko się uda, każda ścieżka jest osobną pozycją w tablicy output z type: "audio".

Ten skrypt zleca rozdział, czeka na koniec i zapisuje każdą ścieżkę na dysk:

import os, time, requests

API = "https://kadraris.com/v1"
KEY = os.environ["KADRARIS_API_KEY"]
HEADERS = {"Authorization": f"Bearer {KEY}"}

task = requests.post(f"{API}/generate", headers=HEADERS,
                     timeout=30, json={
    "model": "multistem-splitter",
    "input": {"audio_url":
              "https://twoj-serwer.pl/audio/utwor.wav"},
}).json()
print("zablokowano:", task["estimated_cost"])

while task["status"] not in ("succeeded", "failed"):
    time.sleep(5)
    task = requests.get(f"{API}/tasks/{task['id']}",
                        headers=HEADERS, timeout=30).json()

if task["status"] == "failed":
    raise SystemExit(task["error"])

# każda ścieżka to osobny element output
for n, item in enumerate(task["output"], start=1):
    url = item["url"]
    ext = url.split("?")[0].rsplit(".", 1)[-1]
    name = f"utwor-stem-{n}.{ext}"
    with open(name, "wb") as f:
        f.write(requests.get(url, timeout=120).content)
    print("plik:", name)

print("pobrano z salda:", task["cost"])

W kodzie nie zakładaj, że perkusja zawsze stoi na danej pozycji tablicy. Przy pierwszych zadaniach przesłuchaj pliki i dopiero wtedy przypisz im nazwy. Adresy w output po jakimś czasie wygasają, dlatego skrypt zapisuje pliki od razu. Gdy przerabiasz wiele utworów, zamiast odpytywania przekaż webhook_url (szczegóły w dokumentacji webhooków).

Rachunek za minutę

Stawka 8,80 zł za minutę jest już sumą za trzy ścieżki. Producent nalicza minutę za każdą zwróconą ścieżkę osobno, a cena w Kadrarisie od razu to uwzględnia. Każda zaczęta minuta liczy się w całości:

Porównaj pierwsze dwa wiersze: siedem sekund różnicy daje całą minutę więcej na rachunku. Zanim wyślesz plik, utnij ciszę na końcu i niepotrzebne intro. Saldo zasilasz od 40 zł, fakturę VAT zaznaczasz przy doładowaniu, środki nie wygasają, nie ma abonamentu, a zadanie zakończone błędem kosztuje 0 zł. Przy większej liczbie utworów policz budżet w kalkulatorze kosztów.

Gdzie stemy się przydają

• Przeróbka utworu. Zostawiasz głos, a perkusję i bas programujesz albo nagrywasz po swojemu. Pozostała aranżacja nie ma osobnego pliku, więc to droga do nowej wersji, a nie wierna kopia oryginału.
• Nauka gry. Basista dostaje czystą linię do rozpisania, perkusista same bębny, na których słychać groove.
• Głos lektora na muzyce. Śpiew w piosence zagłusza mowę. Z osobnymi ścieżkami przyciszasz albo usuwasz wokal w montażu, a rytm zostaje.
• Materiał na sample. Pętla bębnów czy linia basu z własnego nagrania staje się cegiełką nowego kawałka.
• Dalsza praca nad piosenką z AI. Utwór z Mureka V9 rozkładasz na ścieżki i miksujesz w DAW tak, jak chcesz. Jak taki utwór powstaje, pokazuję w poradniku o piosence w Mureka V9.

Jakość zależy od pliku

Separacja działa na zmiksowanym nagraniu, więc materiał wejściowy ma duże znaczenie:

• Przecieki między ścieżkami. W gęstym miksie kawałek jednego instrumentu potrafi wylądować na ścieżce innego, na przykład talerze w wokalu albo stopa w basie. Przesłuchaj każdy plik, zanim go użyjesz.
• Format źródła. Z WAV albo FLAC wychodzą czystsze ścieżki niż z mocno skompresowanego MP3. FLAC wyślesz przez API jako link, a w Studio wgrasz MP3 lub WAV do 25 MB.
• Link musi prowadzić do pliku. audio_url nie przyjmie strony serwisu streamingowego, tylko bezpośredni adres audio.
• Bez wyboru ścieżek i formatu. Na razie zawsze dostajesz wokal, perkusję i bas w domyślnym formacie producenta.

Rozdzielenie nie zmienia praw autorskich. Remiks cudzej piosenki opublikujesz tylko za zgodą właściciela praw. Własne nagrania i utwory z AI, do których masz prawa, możesz rozkładać i publikować bez tego kłopotu. Klip do gotowej piosenki pokazuję w poradniku o teledysku AI, a pełne porównanie z Suno w tekście alternatywa dla Suno.

Pytania

Czy da się dostać osobno gitarę, pianino albo smyczki?

W Kadrarisie nie. Wybór ścieżek nie jest jeszcze udostępniony, więc zadanie oddaje tylko wokal, perkusję i bas. Pozostałe instrumenty zostają w miksie, którego osobno nie dostaniesz.

Mam utwór 3:30. Ile minut zapłacę?

Cztery, bo każda rozpoczęta minuta liczy się w całości. To 4 × 8,80 zł za minutę za wszystkie trzy ścieżki razem.

Dlaczego na saldzie zniknęło więcej, niż kosztuje mój utwór?

To chwilowa blokada na 10 minut audio, bo przed pobraniem pliku jego długość nie jest znana. Po zakończeniu zostaje pobrana tylko kwota za faktyczne minuty, reszta wraca od razu.

Czy mogę rozłożyć piosenkę wygenerowaną w Mureka V9?

Tak. Weź adres wyniku z zadania Mureka i podaj go jako audio_url, zanim link wygaśnie. W Studio oba narzędzia są w zakładce Audio.