Dieser Beitrag ist eine Übersetzung des englischen Originals. Bei Abweichungen gilt das englische Original.
Du hast einen Mix durch Demucs, htdemucs oder Spleeter geschickt, den Gesang herausgezogen, und er ist nicht sauber. Irgendetwas stimmt nicht, aber es ist schwer zu benennen: ein bisschen glasig, ein bisschen verschmiert, vielleicht ein Schatten der Snare dort, wo zwischen den Phrasen Stille sein sollte.
Das sind meist zwei Probleme im selben Gewand, und sie sprechen nicht auf dieselbe Behandlung an. Sie auseinanderzuhalten ist der größte Teil der Arbeit.
Ein getrennter Stem trägt zwei verschiedene Arten von Schaden. Rückstände sind Schäden an dem Signal, das du behalten hast — eine verschmierte, leicht metallische Schicht, die überwiegend oberhalb von 3 kHz sitzt, dazu Klingeln rund um Transienten und gehaltene Töne. Übersprechen ist Signal, das zu einem anderen Stem gehört und in diesem hörbar ist. Rückstände werden von einem Modell abgezogen, das pro Frequenzbin schätzt, wie viel der Energie dort Artefakt statt Musik ist — das ist de-artifact mit dem Preset Vocal. Übersprechen wird per Gate von einem Klassifikator unterdrückt, der Frame für Frame und Band für Band entscheidet, ob das, was er hört, hierher gehört — das ist de-leak. Die meisten getrennten Stems haben von beidem etwas, und die beiden Plug-ins werden häufig auf derselben Quelle eingesetzt.
| Rückstand | Übersprechen | |
|---|---|---|
| Was es ist | Schäden an dem Teil, den du behalten wolltest. | Inhalt, der zu einem anderen Stem gehört. |
| Wie es klingt | Glasige oder wässrige Sustain-Phasen, ein metallischer Schimmer auf Konsonanten, Klingeln, das Transienten folgt. | Ein erkennbarer Schatten — ein Snare-Schlag, ein Basston, ein Akkord — dort, wo der Gesang allein sein sollte. |
| Wo es sitzt | Über das Spektrum verteilt, mit Schwerpunkt in den obersten Oktaven. | Dort, wo das Quellinstrument lag. Oft Tiefen und Mitten. |
| Das Werkzeug | de-artifact — zieht pro Frequenzbin eine Schätzung des Artefakts ab. | de-leak — ein Leak-Gate mit ML-Klassifikator (F1 = 0,993), das den Gain nur dort absenkt, wo Übersprechen erkannt wird. |
Schalte den Stem solo und höre in die Lücken hinein — die Momente zwischen den Phrasen, in denen nicht gesungen wird. Dort lassen sich die beiden sauber auseinanderhalten:
Die Reihenfolge zählt. Unterdrücke zuerst das Übersprechen per Gate und bereinige dann, was übrig bleibt. de-artifact auf einem Stem laufen zu lassen, in dem noch Schlagzeug steckt, heißt, das Modell entscheiden zu lassen, ob eine Snare ein Artefakt ist — das ist sie nicht, und auf diese Frage wurde es nicht trainiert.
Vocal
Es ist harmonisch gewichtet und transienten- und sibilanzbewusst, was eine schmalbandige Quelle braucht: Dieselben Einstellungen, die bei einem kompletten Mix funktionieren, behandeln Konsonanten als Artefakte. Beim Laden eines Presets werden alle Regler auf einmal gesetzt, und danach bleibt jeder Regler frei einstellbar.
Strength läuft von 0–200 % und steht standardmäßig auf 60 %. 100 % ist die nominelle Schätzung des Modells; darüber wird bewusst zu viel abgezogen. Es gibt keine richtige Zahl — es gibt einen Punkt, ab dem du anfängst, den Gesang zu entfernen, und der nächste Schritt zeigt, wie du ihn findest.
Residual
Residual spielt nur ab, was abgezogen wird. Du willst Flimmern und Rauschen hören. Wenn du darin den Körper der Stimme, Atem oder die Form von Konsonanten hörst, bearbeitest du zu stark. Das ist die einzige Prüfung, die bei jedem Stem der Mühe wert ist.
de-artifact misst die Hochfrequenzenergie, die es entfernt hat, bereits selbst und stellt sie automatisch wieder her; Brightness addiert zu dieser Wiederherstellung oder subtrahiert davon. Nachträglich zum EQ zu greifen heißt, ein Symptom zu behandeln, für das das Plug-in schon einen Regler hat.
Separation ist der Medianfilter-Kernel, der Harmonisches von Perkussivem trennt, und hat zwei Stellungen: Normal (17) und Strong (31). Strong trennt die beiden Kanäle sauberer, sodass die Strength-Einstellungen für Harmonic und Percussive genauer greifen — bei etwas höherer CPU-Last.
Hör es dir an: ein getrennter Gesangs-Stem vor und nach de-artifact. Auf YouTube ansehen
Lass die ursprüngliche getrennte Datei unangetastet und arbeite auf einer Kopie der Spur. Loope eine Phrase, die sowohl einen gehaltenen Vokal als auch einen Konsonanten oder Anschlag enthält. Beginne bei geladenem Preset Vocal mit einem moderaten Strength-Wert, statt anzunehmen, dass mehr Reduktion besser ist.
Nutze Residual, um zu hören, was entfernt wird. Enthält es nützlichen Körper der Stimme, Atemgeräusche oder Transienten, senke Strength. Schalte Residual aus und vergleiche mit Bypass; nutze für eine pegelangeglichene Prüfung das Metering deiner DAW und Gain-Anpassungen an Vergleichskopien. Höre dann im Mix, wo ein im Solo akzeptabler Kompromiss die Darbietung dennoch schwächen kann.
Ist in den Lücken noch Begleitung zu erkennen, greife lieber erneut zum de-leak-rt-Workflow für Übersprechen, statt de-artifact stärker zu fahren. Die Bereinigung kann kein Material rekonstruieren, das der Separator verworfen hat. Rendere eine separate bearbeitete Datei nur dann, wenn sich die Verbesserung im Vergleich bestätigt, und behalte das Original für Revisionen.
Die A/B-Checkliste des Lernbereichs behandelt den vollständigen Vergleich, und das Handbuch erklärt jeden Regler. Um diese Schritte in deinem eigenen Host zu testen, hol dir die Testversion auf der de-artifact-Produktseite.
de-artifact ist dafür nicht gebaut und wird das nicht beheben. Ein Leak-Gate entscheidet nach Inhalt statt nach Pegel: Ein kleiner Klassifikator beurteilt Frame für Frame, ob das, was er hört, zu diesem Stem gehört, und wendet nur dort mehrbandige Gain-Reduktion an, wo es nicht dazugehört. Das ist de-leak, und es funktioniert bei Gesangs-Stems, Instrumenten-Stems und jeder Ausgabe von Demucs, htdemucs oder Spleeter.
Wenn du Logic oder GarageBand nutzt: de-leak wird nur als VST3 und CLAP ausgeliefert und erscheint deshalb nicht in Hosts, die ausschließlich Audio Units laden. de-artifact wird dagegen mit einem Audio Unit ausgeliefert. Bis dahin läuft de-leak in jedem VST3- oder CLAP-fähigen Host.
Die Reduktionskurve wird am tatsächlichen Ausgangssignal gemessen und bewegt sich deshalb mit der Musik. Bei einem Gesangs-Stem solltest du sehen, wie sie in den obersten Oktaven absinkt und weiter unten nahezu flach bleibt. Diese Form — oben tief, unten ruhig — ist das Bild einer gesunden Artefakt-Entfernung. Eine tiefe Reduktion weiter unten ist ungewöhnlich: Prüfe das Residual, und wenn du darin Grundtöne der Stimme hörst, senke Strength.
Eine nahezu flache Kurve ist ein Ergebnis, kein Fehler. Kam ein Stem in gutem Zustand aus dem Separator, gibt es nicht viel zu entfernen, und eine flache Kurve als kaputtes Plug-in zu deuten und Strength aufzureißen ist der häufigste Weg, einen Track zu beschädigen.
Bereinige im Browser eine 30-Sekunden-Vorschau — kein Konto, nichts zu installieren.
Rückstände sind Schäden an dem Signal, das du behalten hast: eine verschmierte, leicht metallische Schicht, die der Separator zurücklässt, konzentriert im oberen Spektrum, dazu Klingeln rund um Transienten und gehaltene Töne. Übersprechen ist Inhalt, der komplett zu einem anderen Stem gehört — Schlagzeug, das im Gesang zu hören ist. de-artifact zieht Rückstände ab; de-leak unterdrückt Übersprechen per Gate. Beide werden häufig auf derselben Quelle eingesetzt.
Vocal. Es ist harmonisch gewichtet und transienten- und sibilanzbewusst, und es ist das Preset, auf das das Handbuch bei getrennten Gesangs-Stems verweist. Lade es und passe dann Strength ausgehend vom Standardwert 60% an, statt zuerst zu etwas anderem zu greifen.
Aktiviere den Residual-Monitor, der nur abspielt, was abgezogen wird. Du willst Flimmern und Rauschen hören. Wenn du darin den Körper der Stimme, Atem oder Konsonanten hörst, bearbeitest du zu stark — senke Strength, bis du sie nicht mehr hörst.
Noch nicht. de-leak wird nur als VST3 und CLAP ausgeliefert, deshalb erscheint es weder in Logic Pro noch in GarageBand, die ausschließlich Audio Units laden. de-artifact wird mit einem Audio Unit ausgeliefert. Wer Logic nutzt, kann de-leak bis dahin in einem VST3- oder CLAP-fähigen Host verwenden.
Du kannst im Browser unter try.intrect.io ohne Konto eine 30-Sekunden-Vorschau bereinigen. Das Plug-in selbst hat eine 14-tägige Testversion, in der alle Presets und Parameter freigeschaltet sind.
Teilweise. Der Stem-Export von Suno ist selbst eine Trennung, deshalb gilt der obige Test auf Rückstände oder Übersprechen auch für diese Stems, und das Preset Vocal ist derselbe Ausgangspunkt. de-artifact wurde nicht gezielt an Suno-Stems evaluiert; die gemessenen Ergebnisse stammen von Separator-Ausgaben von Modellen der Demucs-Familie und von kompletten KI-generierten Mixen. Behandle einen Suno-Stem also als getrennten Stem und höre den Residual-Monitor ab, bevor du dem Ergebnis traust.
Eine sachliche Produktzusammenfassung oder offizielle Screenshots findest du im de-artifact-Pressekit.