Vocals trennen, Rauschen entfernen — direkt in deinem Browser.

Ein kostenloses browserbasiertes Audio-Studio für zwei häufige Aufgaben: Hintergrundrauschen aus Aufnahmen entfernen sowie Gesang und Instrumente aus Musik trennen. Es richtet sich an Podcaster, die eine Raumaufnahme polieren, Kreative, die Karaoke- oder A-cappella-Fassungen erstellen, Sprecherinnen und Sprecher, die eine Aufnahme verbessern, sowie Musikerinnen und Musiker, die mit Stems experimentieren – alles ohne Upload des Audios in einen Cloud-Editor.

Drei Engines stehen hinter einer Oberfläche: eine modellfreie schnelle Stereo-Extraktion, ein KI-Stem-Separator, der das HT-Demucs-Netzwerk auf Ihrem Gerät ausführt, sowie ein RNNoise-Entrauscher – gefolgt von einem vollständigen, zerstörungsfreien DSP-Editor und WAV/MP3-Exporten pro Spur.

Drei Engines, eine Ablagefläche

Die schnelle Extraktion braucht überhaupt kein Modell: Sie nutzt Stereophase und Kanalpositionierung, um zentrierte Vocals sofort aus der Begleitung zu ziehen. Die KI-Trennung ist der hochwertige Weg: Das HT-Demucs-Netzwerk (StemSplitio/htdemucs-onnx, zusammen mit seiner Model Card offengelegt) läuft über onnxruntime-web auf WebGPU mit WASM-Ausweichpfad, und Mono-Dateien werden automatisch hochgemischt. Denoise führt das rekurrente RNNoise-Netzwerk in Echtzeit über WASM aus, mit einem Stärkeregler, der bearbeitetes und trockenes Signal mischt. Sie wählen die Engine ausdrücklich – es gibt keinen stillen Wechsel der Methode hinter vagen Bezeichnungen.

KI-Stem-Trennung im Detail

Audio wird auf 44,1 kHz dekodiert und in Segmenten von etwa 7,8 Sekunden mit gewichteter Overlap-Add-Verarbeitung bearbeitet, was die Nähte beseitigt, die zwischen Abschnitten sonst zu hören wären. Das Netzwerk liefert vier Stems – Drums, Bass, Other und Vocals –, und das Instrumental entsteht durch die Kombination der nichtvokalen Stems. Fortschritt pro Abschnitt, Abbruchmöglichkeit und dasselbe WebGPU→WASM-Sicherheitsnetz wie bei den anderen Werkzeugen sind eingebaut. Kostenlose Tarife bieten den Zwei-Spuren-Ablauf; Pro schaltet alle vier Stems frei.

Entrauschen und DSP-Bearbeitung

Nach der Verarbeitung bietet der Editor eine vollständige Kette reiner, nicht verändernder Operationen auf einer Wellenformauswahl: Trimmen, Verstärkung in Dezibel, Peak-Normalisierung, Ein- und Ausblenden, Entfernen von Stille, Hochpassfilterung, sanfte Kompression sowie ein Ein-Klick-Preset zur Sprachverbesserung, das all das kombiniert. Ein A/B-Vergleich lässt Sie die bearbeitete Fassung gegen das Original hören, jede Aktion geht in die Undo/Redo-Historie ein, und lange Auswahlen treffen Sie per Ziehen auf dem Canvas oder feinweise über die Tastatur.

Exporte und Karaoke

Jeder Stem lässt sich als WAV oder – wo der Browser es unterstützt – als MP3 herunterladen; Pro kann den gesamten Satz als ZIP beziehen. Der Karaoke-Export rendert die Instrumentalmischung zum Mitsingen, und nichts wird mit einem Wasserzeichen versehen. Wie bei den anderen Audio-Werkzeugen werden die Formate im Vorfeld geprüft, damit ein Format nicht erst nach langer Verarbeitung fehlschlägt.

Kostenlose und Pro-Limits

Der kostenlose Tarif entrauscht Dateien bis 30 Minuten, trennt bis 10 Minuten mit zwei exportierten Spuren und verarbeitet fünf Dateien im Stapel. Pro hebt das Entrauschen auf 180 Minuten, die Trennung auf 60 Minuten mit allen vier Stems und die Stapelgröße auf zwanzig. In keinem der Tarife gibt es Ausführungszahlen, monatliche Kontingente oder Wasserzeichen, und die kommerzielle Nutzung ist enthalten. Die schnelle Extraktion hat keine Minutenbegrenzung, liefert aber nur bei Stereomaterial mit Zentrumsmischung brauchbare Ergebnisse.

Häufige Fragen

Funktioniert die KI-Trennung bei Mono- oder Live-Aufnahmen? Mono wird automatisch hochgemischt, doch spiegelt die Trennqualität den ursprünglichen Mix wider – dichtes, überlappendes Material ist für jeden Quelltrenner schwieriger.

Was ist der Unterschied zwischen schneller und KI-Extraktion? Schnell ist sofortige Stereogeometrie ohne Download; die KI-Variante lädt das HT-Demucs-Modell und erzeugt vier echte Stems mit deutlich besserer Kontrolle gegen Übersprechen.

Kann das Entrauschen überlappende Sprache retten? Gleichmäßiges Hintergrundrauschen ist ihre Stärke; plötzliche Störungen und andere Stimmen sind ein echtes Problem, und der Stärkeregler erlaubt es, Artefakte gegen Sauberkeit abzuwägen.

Verlässt irgendetwas meinen Rechner? Keine Uploads, keine Server-Anfragen; der einzige Netzwerkverkehr ist der einmalige Modell-Download, und Rohaufnahmen oder unveröffentlichte Titel verlassen das Gerät nie.