人声消除的相位把戏:L−R 减掉居中的一切,(L+R)/2 只留中间那把嗓子
一行公式的人声消除
卡拉 OK 与伴奏提取的需求历史悠久,而最古老的解法便宜得惊人:
| |
原理建立在立体声混音的惯例上:主唱人声几乎总被居中摆位——左右声道各放一份完全相同的信号。逐采样相减时,相同的成分 1−1=0 正负抵消;而吉他偏左、和声偏右、钗片铺两侧,左右两轨内容不同,减不掉的部分就是残留的伴奏。物理课上这叫相位反相叠加,信号处理里叫「中置消除」(center cancellation)。
反向操作更简单:(L+R)/2 取两轨均值,居中成分同相叠加保留,两侧成分因两侧内容不同互相稀释——得到的近似清唱,实际是「以人声为主、两侧乐器衰减」的单声道混合。
陪葬品:bass、底鼓与所有居中的东西
减法不认识「人声」,只认识「居中」。而现代混音里居中的远不止主唱:bass 几乎必然居中(低频定位感本来就差,摆两边毫无意义),底鼓军鼓居中,主奏吉他的双轨叠加也常居中。于是 L−R 的输出里,人声确实没了,低频也塌了——伴奏听起来「薄了一圈」,不是 bug,是方法的固有代价。输出同时退化为单声道(一个数列没有左右可言),能量明显下降(大量成分被抵消)。
这条边界线决定了适用范围:老唱片、现场录音、人声混响加得极重的曲目(混响尾巴铺满两侧,人声干声居中、湿声两边),抵消后残响依旧盘旋;立体声加宽处理过的人声(左右故意做差异化)两轨不再相同,抵消失效;至于单声道文件,L=R,L−R 恒为零——数学上就是死路,工具在检测到单声道时直接给出警告而不是输出一段静音冒充结果。🔧 人声消除伴奏 把这条边界写在明面上:能做什么、做不了什么、为什么,期望管理先行,A/B 试听完再导出。
与谱减法的镜像关系
有趣的是,相位抵消与谱减法降噪是一对镜像:谱减法在频域逐点减去噪声的统计份额,相位抵消在声道域逐采样减去另一轨——都是「减掉不想要的成分」,都受困于「想要与不想要的成分混在同一维度」:谱减法里是人声与噪声频谱重叠,相位抵消里是人声与 bass 同居中央。谱减法的对策是 5% 频谱地板,相位抵消没有对应招数——它连可调的强度参数都没有,是纯几何操作。真正的「外科手术级」人声分离要等 AI 声源模型上场,把每个采样归属于人声/鼓/贝斯等「声源维度」再分拣,那是另一条技术路线的价格与复杂度了。
处理链的位置也有讲究:人声消除应当在混音改动之前独立完成,它产出的单声道伴奏再进混音流程铺新的人声或配乐;响度口径按 dBFS 走(响度刻度那本账)。练歌、扒带、做串烧伴奏这条线上,🔧 音频裁剪 与 🔧 音频变速 负责慢练与切片。这些工具连同降噪、混音、节拍器,都收在音频创作工具箱专题里,全部本地处理,素材不出浏览器。