Usuwanie wokalu z piosenki: acapella i podkład z AI za 2,95 zł za minutę

👁 118 przeczytań

Usuwanie wokalu z piosenki robi dziś model AI, który rozdziela gotowy miks na głos i resztę. Z jednego pliku dostajesz acapellę (sam wokal) albo podkład bez wokalu, na przykład do karaoke. W moim serwisie oba narzędzia kosztują po 2,95 zł za minutę nagrania, z VAT, więc piosenka 3:30 to około 10,34 zł za jedną ścieżkę. Pokazuję, jak przygotować plik, jak wywołać to przez API i kiedy wynik będzie słaby.

Jak działa vocal remover

Stary trik z programów do audio polegał na odjęciu jednego kanału stereo od drugiego. Znika wtedy wszystko, co leży na środku panoramy: wokal, ale też bas, stopa perkusji i werbel. Podkład brzmi jak z dna studni, a wokalu osobno i tak nie dostajesz.

Model AI robi to inaczej. Uczy się na utworach, dla których istnieją osobne ścieżki, i rozpoznaje, które części widma należą do głosu. Dlatego oddziela wokal nawet od instrumentów grających w tym samym paśmie i zwraca dwie rzeczy, których stary trik nie dawał: czysty głos i pełny podkład.

Wynik zależy od miksu. Suchy wokal na środku nad gitarą i perkusją wychodzi czysto. Gęste chórki, długi pogłos i przestery zostawiają ślady w obu ścieżkach i żaden model ich całkiem nie usunie.

Wokal, podkład czy osobne ścieżki

W katalogu są cztery narzędzia audio do gotowych nagrań. Każde robi co innego, więc wybór zależy od tego, którą część chcesz zachować:

Ceny brutto z publicznego katalogu API mojego serwisu Jantaris, odczyt 26.10.2026. Voice Cleaner jest do nagrań mowy, nie do muzyki: czyści podcast albo dyktafon z wywiadu. Rozkład na perkusję i bas opisuję w tekście o stem splitterze.

Przykład: acapella i podkład z jednego utworu

API przyjmuje adres pliku, nie sam plik. Wrzucasz nagranie na serwer albo do chmury pod publiczny link i podajesz go w polu audio_url. Innych ustawień nie ma, nie piszesz też promptu.

Skrypt poniżej zleca oba zadania na tym samym pliku, pokazuje koszt przed startem i czeka na wyniki:

import os, time, requests

API = "https://jantaris.com/v1"
H = {"Authorization":
     "Bearer " + os.environ[
     "JANTARIS_API_KEY"]}
PLIK = "https://twoj-serwer.pl/u.wav"

def zlec(model):
    t = requests.post(
        API + "/generate",
        headers=H, json={
        "model": model,
        "input": {"audio_url": PLIK}
    }).json()
    print(model,
          t["estimated_cost"])
    return t

def czekaj(t):
    while t["status"] in (
            "queued", "running"):
        time.sleep(5)
        t = requests.get(
            API + "/tasks/" + t["id"],
            headers=H).json()
    return t

for m in ("vocal-remover",
          "music-extractor"):
    w = czekaj(zlec(m))
    print(w["status"], w["cost"],
          [o["url"] for o in
           w["output"]])

Pole estimated_cost przychodzi w pierwszej odpowiedzi i ta kwota jest blokowana na saldzie na czas zadania. Przy statusie succeeded pobierana jest kwota z pola cost. Przy failed blokada wraca w całości i płacisz 0 zł.

Linki w output są tymczasowe, więc oba pliki trzeba od razu pobrać na dysk. Gdy wolisz bez kodu, to samo zrobisz w przeglądarce w Jantaris Studio, gdzie cena jest widoczna przed kliknięciem. Opis pól i przykłady w innych językach są na stronie modelu Vocal Remover.

Publiczny adres pliku: co działa, a co nie

API pobiera plik spod adresu, który podasz, więc adres musi prowadzić prosto do pliku audio, bez strony pośredniej. Link do podglądu na dysku w chmurze otwiera stronę z odtwarzaczem, a nie sam plik, i zadanie zakończy się błędem.

Działa adres z własnego serwera albo hostingu, link z magazynu plików w chmurze z ustawionym publicznym odczytem i każdy adres, który po wklejeniu w przeglądarkę od razu pobiera albo odtwarza plik. Najprościej sprawdzić to poleceniem:

curl -sI https://twoj-serwer.pl/u.wav
# szukaj: HTTP 200
# i Content-Type: audio/...

Jeśli zamiast audio/wav albo audio/mpeg widzisz text/html, adres prowadzi do strony, a nie do pliku.

Ile kosztuje usunięcie wokalu

Rozliczenie idzie za minutę nagrania. Przy stawce 2,95 zł za minutę (dokładnie 2,95436 zł w katalogu) wychodzi tak:

To wyliczenia ze stawki za minutę. Dokładną kwotę dla twojego pliku API podaje w estimated_cost, zanim zadanie ruszy. Saldo doładowujesz BLIK-iem albo kartą od 40 zł, a faktura VAT wystawia się sama po każdym doładowaniu.

Jak przygotować plik, żeby wynik był czysty

• Wysyłaj najlepszą wersję, jaką masz. WAV albo FLAC zamiast MP3 w 128 kb/s. Artefakty kompresji model bierze za część dźwięku.
• Utnij ciszę i zbędne fragmenty, bo płacisz za każdą minutę. Jeśli potrzebujesz tylko refrenu, wytnij refren.
• Nie przepuszczaj pliku przez kolejny konwerter przed wysłaniem. Każda rekompresja dokłada szumu.
• Pobierz wyniki od razu, zanim link wygaśnie.

Fragment utworu wycinam jednym poleceniem ffmpeg, bez ponownego kodowania:

ffmpeg -i utwor.wav \
  -ss 00:00:04 -to 00:03:31 \
  -c copy fragment.wav

Jak sprawdzić wynik

Oba pliki odsłuchaj w słuchawkach, nie w głośniku laptopa. Najczęstsze ślady po separacji to:

• „Metaliczny” pogłos w acapelli tam, gdzie w oryginale wokal miał długie echo.
• Resztki chórków w podkładzie, szczególnie w refrenie.
• Syczące głoski, które zostają w obu ścieżkach, bo dzielą pasmo z talerzami perkusji.
• Przytłumiona gitara akustyczna w podkładzie, gdy grała w tym samym zakresie co głos.

Do karaoke te ślady zwykle nie przeszkadzają. Do remiksu albo lipsyncu wybierz utwór z suchszym wokalem albo ogranicz się do fragmentów, które wyszły czysto.

Do czego przydaje się wycięty wokal

Ja najczęściej do teledysków. Przy lipsyncu na zbliżeniach model wideo dostaje ode mnie czysty głos bez instrumentów, bo z pełnego miksu gorzej dopasowuje usta do słów. Jak planuję sceny pod piosenkę, pisałem w tekście o teledysku AI.

Drugie zastosowanie to podkład do własnej wersji. Utwór z Mureka V9, który w katalogu kosztuje 0,886 zł za piosenkę, rozdzielasz na wokal i podkład, a potem nagrywasz własny tekst na gotowym podkładzie. Cały proces z modelem muzycznym opisałem w tekście o piosence AI z wokalem.

Trzecie to nauka. Acapella pokazuje frazowanie i oddechy wokalisty, a podkład bez głosu nadaje się do ćwiczenia śpiewu albo karaoke w domu.

Prawa autorskie do wyciętego wokalu

Rozdzielenie ścieżek nie zmienia praw do nagrania. Wokal wycięty z cudzej piosenki dalej należy do jej właścicieli, tak samo podkład. Do nauki w domu wystarcza dozwolony użytek osobisty, ale remiks opublikowany na YouTube czy w serwisie streamingowym wymaga zgody właścicieli, a systemy rozpoznawania treści wyłapią go po melodii i głosie.

Bez obaw pracujesz na własnych nagraniach, na utworach z wygenerowanych przez siebie piosenek (w granicach licencji modelu) i na materiale, do którego masz licencję.

Darmowa alternatywa: lokalnie na karcie graficznej

Jeśli masz komputer z mocną kartą graficzną i rozdzielasz dużo utworów, sprawdź Demucs, otwarty model do separacji źródeł dźwięku. Działa lokalnie, bez opłat za minutę, ale wymaga instalacji Pythona i chwili konfiguracji. Płatne API ma sens, gdy rozdzielanie jest jednym krokiem w automacie albo gdy pracujesz na laptopie.

Najczęstsze pytania

Jak usunąć wokal z piosenki?

Wyślij plik do narzędzia AI do separacji, na przykład Music Extractor, jeśli chcesz podkład, albo Vocal Remover, jeśli chcesz sam głos. Najlepszy wynik daje plik WAV albo FLAC bez ponownej kompresji.

Ile kosztuje usunięcie wokalu z piosenki?

W moim serwisie 2,95 zł za minutę nagrania, z VAT. Singiel 3:30 to około 10,34 zł za jedną ścieżkę i 20,68 zł, jeśli chcesz osobno wokal i podkład (stan 26.10.2026).

Czy da się wyciągnąć sam wokal bez muzyki?

Tak, to jest acapella i robi ją Vocal Remover. Czystość zależy od miksu: suchy wokal wychodzi dobrze, gęste chórki i długi pogłos zostawiają ślady instrumentów.

Czy zapłacę, jeśli rozdzielenie się nie uda?

Nie. Przy nieudanym zadaniu zablokowana kwota wraca na saldo w całości, a koszt wynosi 0 zł.

Czy mogę opublikować remiks z wyciętego wokalu?

Tylko za zgodą właścicieli praw do utworu. Narzędzie nie zmienia praw do nagrania, więc bez licencji możesz pracować na cudzej piosence wyłącznie prywatnie.

Źródła i data sprawdzenia

Ceny sprawdziłem 26.10.2026.

• Jantaris - publiczny katalog API z cenami w PLN (Vocal Remover, Music Extractor, Multistem Splitter, Voice Cleaner, Mureka V9)
• Jantaris - dokumentacja POST /v1/generate, blokada i rozliczenie kosztu
• Demucs - otwarty model do separacji ścieżek audio
• FFmpeg - dokumentacja opcji -ss, -to i -c copy