音声のBGMを除去して声を残す方法
テキストと録音を、聴ける作品に
ナレーション、ステム分離、カバー、効果音を、ブラウザだけで。
- テキスト読み上げも、ボイスクローンも
- ステムを分離、またはカバーを生成
- 登録して試聴。聴いてから決められる
声の後ろに流れている音楽だけを取り除きたいと思ったことはありませんか？ たとえば、誰かが歌っている、または話している音声にBGMが重なっていて、声をできるだけ残しながら音楽を減らしたい場合があります。
AIを使ったBGM 除去ツールなら、完成した音声ファイルから声と音楽を分離することで、この作業を簡単にできます。単純に全体の音量を下げたり、一般的なノイズ除去フィルターをかけたりするのではなく、AIがミックス済みの音声を解析し、どの部分が声で、どの部分が音楽なのかを推定します。
これにより、声をできるだけ残したまま、音声から音楽を取り除くことが可能になります。
この方法は、声を集中して聞きたい場合、ボーカル練習、音声分析、編集、その他の権利上問題のない制作などに利用できます。ただし、このような音源分離でできることと、できないことを理解しておくことも重要です。
音声からBGMを除去するとは？
声と音楽が一緒に録音されている場合、それらは通常1つの音声ミックスにまとめられています。声の下には、ドラム、ベース、ギター、ピアノ、シンセサイザー、エフェクトなどのさまざまな音楽要素が含まれていることがあります。
一度それらがミックスされると、声に影響を与えずに音楽だけをオフにするような単純な音量調整はできません。
AIによる音源分離では、完成したミックスを解析して、主な音声成分を推定します。
Echoraのボーカル分離では、1つの音声ファイルから次の2つの同期した結果を生成します。
- Vocals — 推定されたボーカル成分
- Instrumental — ボーカルを減らした推定上の音楽成分
声を残しながらBGMを減らしたい場合は、Vocals の出力を利用します。
これは、一般的なオーディオ編集ソフトでBGMの音量を下げる方法とは異なります。通常の音量調整はトラック全体や特定の周波数帯に作用しますが、音源分離では、すでに混ざっている音の成分そのものを区別することを目指します。
また、出力された音声は元のスタジオ録音トラックをそのまま取り戻したものではありません。Echoraは完成したミックスをもとに、声と音楽の成分を推定して分離します。
BGM除去とノイズ除去の違い
BGM除去ツールとノイズ除去ツールは似ているように見えますが、処理する対象は異なります。
BGM除去は、不要な音が実際の音楽である場合に使います。たとえば、ピアノ、ギター、ビート、ドラム、その他の伴奏が声の後ろで流れている音源などです。
一方、ノイズ除去は、次のような音を減らすための処理です。
- 風の音
- サーッというヒスノイズ
- 電気的なハム音
- 部屋の環境音
- エアコンなどの連続音
- マイク由来のノイズ
これらは音楽とは異なる性質を持っています。
たとえば、歌声の後ろに楽曲の伴奏が入っている音声から伴奏を減らす場合、それは音源分離の問題です。一方、同じ音声に一定のエアコン音が入っているなら、それはノイズ除去の問題になります。
この違いを理解することは重要です。一般的なノイズ除去ツールが、複雑な音楽と声を分離する目的に適しているとは限りません。同様に、音楽分離ツールをすべての環境ノイズ除去に使えるわけでもありません。
Echoraのボーカル分離は、アップロードした音声からボーカルと音楽の伴奏を分離することを目的としており、動画を直接処理したり、あらゆる種類の環境ノイズを除去したりするための汎用ツールではありません。
BGM除去に適した音声とは？
入力する音源の品質は、分離結果に大きく影響します。
できるだけクリアで高品質な、処理する権利のある音声を使用するのがおすすめです。何度も圧縮や変換を繰り返したファイルには余分なアーティファクトが含まれることがあり、声と音楽の境界を推定しにくくなる場合があります。
たとえば、強く圧縮されたコピーでは、元の録音にはなかった歪みや音質変化が含まれていることがあります。AIは、そのような変化が加わった信号から声と音楽を区別する必要があります。
楽曲の構成も結果に影響します。
シンプルなBGMの上に声が乗っている音源は、ドラム、ギター、複数のハーモニー、強いエフェクトなどが密集した音源よりも分離しやすい場合があります。
また、声と楽器は同じ周波数帯域を共有することがあります。歌声はピアノ、ギター、シンセサイザー、シンバルなどと周波数が重なることがあり、リバーブやディレイによって声の成分がミックス全体に広がることもあります。
そのため、同じBGM 除去ツールを使用しても、音源によって結果が異なることがあります。
実際の作業では、できるだけ良い音源を用意し、処理後の音声を実際に聴いて判断することが大切です。
声を残しながら音声から音楽を除去する方法
適切な音声ファイルを用意したら、作業は比較的シンプルです。
ステップ1：処理する権利のある音声を選ぶ
まず、自分が所有している、または処理する許可を得ている音声を用意します。
音声からBGMを除去したからといって、元の楽曲や録音物に関する著作権が変わるわけではありません。加工した音声を公開、配布、商用利用する場合は、元の素材に必要な権利があることを確認してください。
ステップ2：Echoraに音声をアップロードする
Echoraのボーカル分離を開き、処理したい音声ファイルをアップロードします。
Echoraは現在、MP3、WAV、M4A、AAC、FLACに対応しており、最大ファイルサイズは50MB、最大長さは30分です。
同じ音声に複数のバージョンがある場合は、何度も圧縮・変換されたコピーより、できるだけクリアな音源を選びましょう。
ステップ3：分離を開始する
音声を送信すると、AIが完成したミックスを解析します。
システムはボーカルとインストゥルメンタルの成分を推定し、それぞれの結果を生成します。
ここで重要なのは、これは元の録音を再構築する処理ではなく、完成した音声から成分を分離する処理だということです。
EQやフィルターを使って手作業で特定の周波数を削る方法とは異なり、AIはミックス全体の構造をもとに、声と音楽の成分を推定します。
ステップ4：声を残した結果をプレビューする
処理が完了したら、すぐにダウンロードするのではなく、まずボーカル結果を聴いてみましょう。
Echoraの同期ミキサーでは、ボーカルとインストゥルメンタルを比較しながら、音量を調整したり、どちらかをミュートしたり、波形を移動しながら曲のさまざまな部分を確認できます。
これによって、BGMが効果的に減っている部分と、まだ伴奏が残っている部分を見つけやすくなります。
ステップ5：結果を確認してダウンロードする
重要な部分をチェックし、目的に合った結果になっていると判断できたら、分離した音声をダウンロードします。
声を中心とした用途では、Vocalsの出力が使用するファイルになります。
BGMがきちんと除去されているか確認する方法
分離結果を評価するときは、単に音楽が減ったかどうかだけを見るのではなく、声がどれだけ自然に残っているかも確認する必要があります。
曲の最初の数秒だけを聴いて判断するのではなく、複数のセクションを確認しましょう。
残っている音楽をチェックする
次のような楽器に注意して聴きます。
- ギター
- ピアノ
- ドラム
- ベース
- シンセサイザー
- その他の伴奏
特に音が密集した部分では、少量の音楽が残ることがあります。
重要なのは、残留音がどの程度あるかだけではなく、その結果が実際の用途に十分かどうかです。
声が変化していないか確認する
声と音楽が元のミックスの中で重なっている場合、BGMを減らす過程で声の一部にも影響が出る可能性があります。
次のような部分を確認してください。
- 声の明瞭さ
- 高域の細かなディテール
- 低域の厚み
- 子音
- 伸ばした音
- 声のダイナミクス
BGMが少なくなっていても、重要な声の情報まで失われているなら、その結果が必ずしも良いとは限りません。
バックボーカルを確認する
バックボーカルやハーモニーは、メインボーカルとは異なる結果になる場合があります。
アレンジによっては、ハーモニーがはっきり残ることもあれば、弱くなったり、背景のような音として聞こえたりすることもあります。
複雑な部分を比較する
サビ、楽器が多い部分、強いエフェクトが使われている箇所、リバーブが強い部分などは、分離結果を確認するのに適しています。
元の音声と分離後の音声の同じ部分を交互に聴くと、細かな変化を見つけやすくなります。
なぜBGMが一部残ることがあるの？
AIによる音源分離は、元のスタジオプロジェクトを開いて隠れている音楽トラックを取り出しているわけではありません。
完成したミックスから、それぞれの成分を推定しています。
そのため、BGMが少し残る場合があります。
声と楽器は周波数、タイミング、空間的な情報が重なることがあります。さらに、リバーブ、ディレイ、ハーモニー、ボーカルエフェクトなどによって、声と音楽を正確に区別することが難しくなることがあります。
楽器が密集しているアレンジも難易度を上げる要因です。複数の楽器が声と近い帯域を使っている場合、完全に分離することはより難しくなります。
また、圧縮、クリッピング、歪みなど、元のミックスに施された処理もAIが分析する信号の一部になります。
そのため、どの音源でも完全に音楽を消した、まったくBGMのない声だけのトラックが得られるとは限りません。
より実用的な判断基準は、次のようなものです。
「この用途に必要なレベルで、声が十分クリアに残っているか？」
普段の試聴や練習なら、少量のBGMが残っていても問題ない場合があります。一方、より高度な制作では、よりクリーンな素材や追加編集が必要になることもあります。
声を残した音声は何に使える？
音楽を減らした音声は、さまざまな用途で利用できます。
ボーカル練習では、音楽の影響を減らした状態で、発音、タイミング、フレージング、メロディ、歌い方などを確認できます。
音声分析では、完成したミックスの中では聞き取りにくい細かな歌唱表現や発声を確認しやすくなります。
音声編集では、権利上問題のない制作物の中で、声の部分をより自由に扱える素材として利用できます。
また、異なる音楽アレンジの中で声がどのように聞こえるかを確認するリファレンスとして利用することもできます。
ただし、AI分離によって得られる音声は元のミックスから推定された成分です。加工前のスタジオボーカルそのものとして扱うべきではありません。
さらに、ファイルを分離できることと、その元となる録音を自由に利用できることは別の問題です。公開や商用利用を行う場合は、元の素材に関する権利を確認してください。
BGM除去とボーカル分離は同じ？
この2つは非常に近い処理です。どちらも、ミックス済みの音声から声と音楽を分離することに関係していますが、表現している目的が少し異なります。
BGM除去は、処理の目的を表します。
「音楽を減らしながら、声を残す」
一方、ボーカル分離は、取り出す対象を強調した表現です。
「ボーカル成分を分離して残す」
実際には、どちらも同じ2トラック分離のワークフローで実現できることがあります。
Echoraのボーカル分離では、アップロードした音声からVocalsとInstrumentalの2つの結果が生成されるため、声を残してBGMを減らしたい場合は、Vocals側の結果を利用できます。
これは、より広い意味でのステム分離とは異なります。
ステム分離ツールでは、ボーカルだけでなく、ドラム、ベース、ギター、ピアノ、その他の楽器など、複数の音楽要素を分離できます。
そのため、目的に応じて使い分けることが重要です。声と音楽の2つに分けたいだけなら、2トラックのボーカル／インストゥルメンタル分離のほうが直接的です。
よくある質問
どんな音声でもBGMを除去できますか？
多くの音声でBGMの分離を試すことはできますが、結果は入力音源によって異なります。音質、アレンジの複雑さ、ボーカルエフェクト、リバーブ、バックボーカル、周波数の重なりなどが結果に影響します。
AIでBGMを完全に消せますか？
必ずしも完全に消えるとは限りません。AIは完成したミックスから声と音楽の成分を推定するため、分離したボーカルに一部の音楽が残る場合があります。
声は元のまま保たれますか？
必ずしも完全に同じ状態になるとは限りません。声と音楽が元のミックス内で重なっている場合、分離処理によって声の一部が変化することがあります。処理後は必ず元の音声と比較して確認してください。
BGM除去とノイズ除去は同じですか？
いいえ。BGM除去は、声と音楽の伴奏を分離するための処理です。ノイズ除去は、ヒス、ハム、風の音、部屋のノイズなど、不要な環境音を減らすための処理です。
音声から音楽を除去するにはどんな方法がありますか？
権利のある音声をAIボーカル分離ツールにアップロードし、完成したミックスからボーカルとインストゥルメンタルを分離する方法があります。できるだけクリアな音源を使用し、結果を確認してからダウンロードするのがおすすめです。
分離した声を商用利用できますか？
元の録音や楽曲に付随する権利によって異なります。AIで分離したからといって、元の素材を公開、配布、商用利用する権利が自動的に発生するわけではありません。
EchoraでBGMを除去して声を残す
ミックス済みの音声から音楽を減らすために、EQやフィルターを何度も試す必要はありません。
Echoraのボーカル分離なら、権利のある音声ファイルをアップロードし、AIでボーカルとインストゥルメンタルを分離して、声を中心とした結果をプレビューできます。
より安定した結果を得るには、できるだけクリアな音源を使い、音声の複数のセクションを確認してください。そして、単にBGMが減ったかどうかだけでなく、声がどれだけ自然に残っているかもチェックすることが大切です。