Audiofilter
    Vocal Remover

    ANLEITUNG

    Gesang in Audacity entfernen

    Audacity kann einen mittig liegenden Lead-Gesang aus einer Stereospur ziehen, und es ist kostenlos und offline. Es nimmt aber auch Kick und Bass mit, und bei jeder Mischung, in der der Gesang Stereohall trägt — also bei den meisten kommerziellen Pop-Produktionen — funktioniert es kaum. Hier steht, wie es geht und wie du vorher erkennst, ob sich der Versuch lohnt.

    etwa 7 Minuten

    Die kurze Antwort

    Öffne die Stereodatei, markiere die ganze Spur, dann Effekt → Vocal Reduction and Isolation, setze Action auf Remove Vocals, und exportiere. Audacity 3.2 hat das Effekt-Menü in Untermenüs umgebaut, in aktuellen Versionen schaust du also unter Effekt → Spezial; in 2.x sitzt er direkt im Effekt-Menü.

    Das ist die ganze Prozedur. Der Rest dieser Seite handelt von dem Teil, den niemand erwähnt: was der Effekt tatsächlich tut, und warum das Instrumental, das er zurückgibt, hohl klingt.

    Methode 1: der eingebaute Effekt

    1. Importiere eine Stereodatei. File → Import → Audio, oder zieh sie ins Fenster. Sie muss stereo sein — siehe die Mono-Anmerkung unten.
    2. Markiere alles. Ctrl+A (Cmd+A auf macOS).
    3. Öffne den Effekt. Vocal Reduction and Isolation, aus dem Menü Effect — im Untermenü Special ab 3.2, in 2.x direkt im Menü.
    4. Setze Action auf »Remove Vocals«. Derselbe Dialog kann stattdessen den Gesang isolieren, was eine nützliche Art ist, genau zu hören, was abgezogen wird.
    5. Lass Strength für den ersten Durchgang auf 1.0. Höher löscht mehr Stimme und mehr von allem anderen mit ihr aus.
    6. Setze Low Cut for Vocals auf etwa 120 Hz. Alles darunter bleibt unangetastet. Dieser eine Regler ist es, der die Basslinie am Leben hält.
    7. Setze High Cut for Vocals auf etwa 9 kHz. Alles darüber bleibt unangetastet, was Becken und Luft erhält.
    8. Vorhören, dann anwenden. Exportieren mit File → Export Audio.
    Die zwei Cut-Regler sind das ganze Spiel

    Die meisten Anleitungen sagen dir, du sollst mit den Voreinstellungen auf OK drücken. Low Cut und High Cut definieren das Band, innerhalb dessen der Effekt auslöschen darf. Dieses Band auf ungefähr den Bereich zu verengen, in dem eine Stimme lebt, ist der Unterschied zwischen einem brauchbaren Playback und einem dünnen, phasigen Durcheinander.

    Vorher — die originale Stereomischung Audacity zeigt eine einminütige Stereospur, beide Kanäle über die ganze Minute mit dichter Wellenform gefüllt.
    Nachher — Vocal Reduction and Isolation, Remove Vocals Dieselbe Spur nach dem Entfernen des Gesangs. Beide Kanäle sind sichtbar dünner und leiser, einzelne Spitzen stehen dort noch, wo früher der dichte Körper der Wellenform war.
    Dieselbe Datei, dasselbe Fenster, derselbe Zoom und dieselbe Amplitudenskala — nur der Effekt wurde angewendet. Die Spitzenhüllkurve fällt um etwa 40 %. Eine Wellenform kann dir nicht sagen, was verschwunden ist, nur dass viel verschwunden ist, und die Form ist der Hinweis: Der ausgehaltene Körper ist weg, während einzelne Transienten noch stehen. Diese Spitzen sind das, was vom Schlagzeug übrig bleibt, nachdem sein mittiger, ausgehaltener Anteil abgezogen wurde. Der nächste Abschnitt handelt davon, warum die Stimme nicht das Einzige in diesem Abzug war.

    Methode 2: die manuelle Version, damit du den Mechanismus siehst

    Der Effekt ist eine bequeme Hülle um vier Schritte, die du von Hand machen kannst. Es einmal manuell zu tun macht die Grenzen offensichtlich.

    1. Teile die Stereospur. Tracks → Mix → Split Stereo Track. Du hast jetzt zwei unabhängige Monospuren.
    2. Invertiere eine davon. Markiere die untere (rechte) Spur, dann wende Invertierenan, aus demselben Effect Menü.
    3. Setze beide auf Mitte. Stelle den Panorama-Regler jeder Spur in die Mitte.
    4. Spiel es ab. Alles, was in beiden Kanälen identisch ist, summiert sich jetzt zu Stille.
    5. Rendern. Tracks → Mix → Mix and Render.

    Keine Frequenzwächter, kein Strength-Regler — nur Subtraktion. Was du hörst, ist der rohe Effekt, und er ist meist schlechter als Methode 1, was genau der Punkt ist.

    Warum das Instrumental sein Fundament verliert

    Phasenauslöschung entfernt alles, was in beiden Kanälen identisch ist. Sie weiß nicht, was eine Stimme ist. In einer konventionellen Mischung ist der Lead-Gesang nicht das Einzige, das genau mittig sitzt:

    ElementTypische PlatzierungÜberlebt die Auslöschung?
    Lead-GesangMitteNein — das beabsichtigte Ziel
    BassdrumMitteNein
    BassMitte, unterhalb von ~120 Hz oft absichtlich monoNein
    SnareMitteNein
    Gitarren, Keys, Backing-GesangBreit verteiltJa
    Stereo-HallfahnenPer Definition breitJa — auch die des Gesangs
    Wo die Teile einer Mischung sitzen, und was Phasenauslöschung erreichen kann Ein Diagramm von Panoramaposition gegen Frequenz. Eine schattierte Spalte in der Mitte markiert das Zentrum des Stereofelds, wo Phasenauslöschung wirkt. Zwei gestrichelte waagerechte Linien markieren Audacitys Low Cut bei 120 Hz und High Cut bei 9 kHz; Auslöschung passiert nur dazwischen. In der Spalte zeigen senkrechte Balken Lead-Gesang, Snare, Kick und Bass, violett dort, wo sie ins Cut-Band fallen und entfernt werden, und türkis unter 120 Hz, wo Low Cut sie in Ruhe lässt. Gitarren, Keys, Backing-Gesang und Becken erscheinen als türkise Balken links und rechts der Spalte, außerhalb der Mitte, und überleben. Die Stereo-Hallfahne des Gesangs breitet sich aus der Spalte nach außen aus und überlebt mit ihnen. MITTE — WAS AUSLÖSCHUNG ERREICHEN KANN Becken, Luft Backing-Gesang Gitarren, Keys seine Hallfahne Lead-Gesang Snare Kick Bass High Cut ≈ 9 kHz — darüber bleibt unangetastet Low Cut ≈ 120 Hz — darunter bleibt unangetastet 16 kHz 9 kHz 1 kHz 120 Hz 40 Hz Ganz links Mitte Ganz rechts FREQUENZ Durch Auslöschung abgezogen Unangetastet — außerhalb der Mitte oder außerhalb des Cut-Bands
    Auslöschung zielt auf eine Position, nicht auf ein Instrument. Die schattierte Spalte ist das Zentrum des Stereofelds; die gestrichelten Linien sind die einzigen zwei Regler, die sie verengen. Alles Violette wird abgezogen. Beachte, dass der untere Teil des Lead-Gesangs unter Low Cut liegt, zusammen mit Bass und Kick — diese Überlappung ist der Grund, warum Low Cut auf 120 Hz anzuheben das Fundament rettet, aber einige tiefe Mitten des Gesangs zurücklässt. Methode 2 hat überhaupt keine Wächter, die ganze Spalte geht also weg.

    »Die Mitte entfernen« entfernt also das rhythmische und tieffrequente Rückgrat zusammen mit der Stimme. Bass wird unterhalb von etwa 120 Hz häufig absichtlich auf Mono summiert, damit die Wiedergabe auf Vinyl und Clubanlagen stabil bleibt, was ihn zum zuverlässigsten Opfer macht. Genau das verteidigt Low Cut.

    Die andere Hälfte des Problems ist der Hall. Die trockene Stimme löscht sich aus, ihre Stereofahne nicht. Das Ergebnis ist ein wiedererkennbares Artefakt: ein geisterhafter Gesangshall ohne Stimme darunter, der über dem Playback schwebt.

    Wann es überhaupt nicht funktioniert

    Die Datei ist mono

    Es gibt nichts, wogegen subtrahiert werden könnte. Audacity zeichnet eine Wellenform-Spur für eine Monospur und zwei für eine Stereospur — der schnellste Weg, das zu prüfen, bevor du Zeit verschwendest.

    Der Gesang ist nicht mittig

    Manche Produktionen schieben den Lead leicht aus der Mitte oder doppeln ihn hart links und rechts. Die Auslöschung lässt den Gesang dann weitgehend intakt, während sie still und leise das Schlagzeug löscht.

    Der Gesang hat Stereobreite oder Hall

    Alles, was die linke und die rechte Version der Stimme unterschiedlich macht, macht die Auslöschung unvollständig. Ein Stereohall oder eine gedoppelte Aufnahme genügt, und beides ist bei einem modernen Lead-Gesang Standard — deshalb zählt der 30-Sekunden-Test unten mehr als jede Einstellung.

    Die Quelle ist eine verlustbehaftete Datei mit niedriger Bitrate

    Joint-Stereo-Kodierung bei niedrigen Bitraten kann das Verhältnis zwischen den Kanälen so weit verändern, dass sich die beiden Seiten nicht mehr sauber auslöschen. Beginne mit der Datei in der höchsten Qualität, die du hast.

    Ein 30-Sekunden-Test, bevor du dich festlegst

    Nutze den Mechanismus selbst als Diagnose. Mach die Schritte 1–4 von Methode 2 — teilen, eine Seite invertieren, beide auf Mitte, abspielen — und hör hin:

    Dreißig Sekunden Hinhören sparen eine Stunde Herumschrauben an Strength.

    Was man nimmt, wenn Auslöschung nicht reicht

    Die Grenze ist strukturell, kein Einstellungsproblem. Phasenauslöschung ist subtraktiv: Sie kann nur entfernen, was die beiden Kanäle gemeinsam haben, sie kann also nie eine Stimme freistellen, die sie geometrisch nicht orten kann.

    KI-Quellentrennung funktioniert anders. Ein Modell, das auf vielen Stunden Musik trainiert wurde, lernt, wie eine Stimme klingt, und baut jeden Stem unabhängig neu auf. Weil es erkennt statt subtrahiert, kommt es mit Monodateien, außermittigen Gesängen und starkem Hall zurecht — genau den Fällen, in denen Audacity aufgibt. Der Preis ist Rechenzeit statt einer Menüoption.

    Dieselbe Datei durch ein Trennmodell Audiofilter zeigt drei Wellenformen derselben einminütigen Datei: die Originalmischung, einen freigestellten Gesang und ein Instrumental, jede mit eigenem Abspielknopf und einer Download-Karte für die beiden Stems.
    Drei Panels, eine Datei. Vergleiche das untere mit dem Audacity-Ergebnis weiter oben: Das Instrumental hier behält die Dichte, die die ausgelöschte Version verloren hat, weil nichts abgezogen wurde, um es herzustellen — das Modell hat jeden Teil stattdessen neu aufgebaut. Der Gesang in der Mitte ist die Hälfte, die Auslöschung dir überhaupt nie geben kann.
    Dieselben drei Stems, als Spektrogramme Spektrogramme von Original-, Gesangs- und Instrumental-Stem auf einer gemeinsamen Dezibelskala. Das Gesangs-Panel zeigt einen Kamm aus Obertönen mit dunklen Lücken zwischen den Sätzen; im Instrumental-Panel ist der Kamm entfernt, seine breitbandigen Transienten und sein Fundament bleiben aber erhalten.
    Das ist die Ansicht, die die Frage beantwortet, um die die ganze Seite gekreist ist: Wo ist die Energie hin? Eine Wellenform kann es dir nicht sagen — Gesang und Instrumental haben ähnliche Hüllkurven. Hier ist der Gesang ein Kamm aus Obertönen mit schwarzen Lücken dort, wo die singende Person atmet, und das Instrumental ist dasselbe Bild mit herausgenommenem Kamm und sonst nichts angetastet. Alle drei Panels teilen eine Dezibelskala, bezogen auf das Original, ein dunkler Fleck im einen und ein heller im anderen bedeuten also genau das, wonach sie aussehen.
    Videostandbild: der Audiofilter-Separator mit geladener Spur und zwei Stem-Wellenformen.
    Dieselben drei Werkzeuge von Anfang bis Ende, einschließlich der oben gezeigten Trennung. Bis du auf Abspielen drückst, wird nichts von YouTube geladen — das Bild oben ist ein Standbild von dieser Seite. Wenn der Player nicht lädt, liegt das Video auch unter youtube.com/watch?v=Wy8Qcp1mw8c.
    Probier es an der Datei, die du gerade getestet hast

    Der KI-Vocal-Remover von Audiofilter lässt ein Trennmodell im Browser-Tab laufen und gibt ein freigestelltes A cappella und ein karaokefertiges Instrumental zurück. Kein Konto, und nichts wird hochgeladen — die Verarbeitung passiert auf deinem eigenen Rechner, die Datei verlässt ihn also nie. Du kannst den Netzwerk-Tab beobachten und es selbst sehen.

    Er nimmt Spuren bis zu fünf Minuten, was eine Grenze der Arbeit in einem Browser-Tab ist und keine Bezahlschranke. Für einen ganzen Song markiere den Abschnitt, den du brauchst, in Audacity und exportiere nur den mit File → Export Audio, dann füttere ihn hier ein.

    Häufig gestellte Fragen

    Hat Audacity einen KI-Vocal-Remover?

    Nein. Vocal Reduction and Isolation ist Phasenauslöschung: Es subtrahiert, was im linken und im rechten Kanal identisch ist. Es hat kein Modell davon, was eine Stimme ist, deshalb kann es keinen Gesang trennen, der nicht mittig liegt, und deshalb nimmt es Kick und Bass mit.

    Warum klingt mein Instrumental nach dem Entfernen des Gesangs dünn?

    Weil der Lead-Gesang nicht das Einzige ist, das in die Mitte gepannt ist. Kick, Bass und Snare sitzen meist auch dort, und Bass ist unterhalb von etwa 120 Hz oft absichtlich mono. Die Mitte auszulöschen entfernt sie zusammen mit der Stimme. Low Cut for Vocals auf etwa 120 Hz anzuheben schont den Bassbereich, um den Preis, dass einige tiefe Mitten des Gesangs zurückbleiben.

    Kann ich in Audacity Gesang aus einer Monodatei entfernen?

    Nein. Phasenauslöschung braucht zwei Kanäle, die sich unterscheiden. Eine Monodatei hat nichts, wogegen subtrahiert werden könnte, es gibt also keine Mitte zu entfernen. Audacity zeigt eine Wellenform-Spur für eine Monospur und zwei für eine Stereospur, das ist der schnellste Weg, das zu prüfen.

    Welche Strength-Einstellung soll ich nehmen?

    Beginne bei 1.0 und hör auf den Tausch. Höhere Werte löschen mehr vom Gesang aus, aber auch mehr von allem anderen in der Mitte, das Instrumental verliert also Druck. Niedrigere Werte lassen das Schlagzeug intakt, aber den Gesang hörbar. Es gibt keine Einstellung, die nur die Stimme entfernt, weil der Effekt den Unterschied nicht kennt.

    Gibt es einen kostenlosen Weg, Gesang zu entfernen, der mit Hall zurechtkommt?

    Ja, aber nicht über Auslöschung. KI-Quellentrennung ist darauf trainiert, eine Stimme zu erkennen, sie funktioniert also bei Monodateien, außermittigen Gesängen und hallreichen Mischungen, und sie baut jeden Stem neu auf, statt einen vom anderen abzuziehen. Audiofilter lässt ein Trennmodell im Browser laufen, für Spuren bis zu fünf Minuten, ohne dass etwas hochgeladen wird.

    Eher eine Aufnahme säubern als einen Song?

    Rauschentfernung öffnen → Text-zu-Sprache öffnen →