वोकल कैसे अलग करें और ऑनलाइन कराओके ट्रैक कैसे बनाएँ

सेंटर चैनल कैंसलेशन कैसे काम करता है

स्टीरियो का मतलब है दो चैनल। मिक्स में जो कुछ ठीक बीच में पैन किया गया है, यानी बाएँ और दाएँ में बिल्कुल एक जैसा रखा गया है, वह दोनों चैनलों में एक ही सिग्नल के रूप में आता है। एक चैनल को दूसरे में से घटाएँ, तो जो हिस्सा दोनों में एक जैसा है वह कटकर शून्य हो जाता है, और सिर्फ़ वही बचता है जो दोनों में अलग था। यही अंतर मिक्स की साइड्स हैं: दोनों तरफ़ फैली गिटार, स्टीरियो कीबोर्ड, रिवर्ब की बची हुई गूँज।

पूरी तकनीक बस इतनी ही है। बायाँ माइनस दायाँ करने पर इंस्ट्रुमेंटल मिलता है, और बायाँ प्लस दायाँ करने पर सेंटर। एनालॉग हार्डवेयर दशकों से यही करता आ रहा है, इसकी गणना में कंप्यूटर को लगभग कोई मेहनत नहीं करनी पड़ती, और इसके लिए न कोई मॉडल चाहिए, न ट्रेनिंग डेटा, न सर्वर। लेकिन यह पूरी तरह इस बात पर टिका है कि आवाज़ सच में बीच में हो।

यह कुछ रिकॉर्डिंग पर अच्छा और कुछ पर खराब क्यों काम करता है

यह सबसे अच्छा पुरानी रिकॉर्डिंग और सीधे-सादे मिक्स पर चलता है: मुख्य आवाज़ ठीक बीच में, बिना रिवर्ब के या लगभग बिना रिवर्ब के, और बैंड उसके चारों ओर फैला हुआ। साठ के दशक का कोई सोल रिकॉर्ड या कोई सीधा-सादा अकूस्टिक सेशन डालकर देखें, आवाज़ लगभग पूरी तरह गायब हो सकती है।

आज का पॉप कहीं ज़्यादा मुश्किल है। प्रोड्यूसर आम तौर पर वोकल बस को चौड़ा कर देते हैं, मुख्य आवाज़ को डबल करके उसकी कॉपियाँ अलग-अलग तरफ़ पैन कर देते हैं, या आवाज़ को चौड़े स्टीरियो रिवर्ब और डिले में डुबो देते हैं। इनमें से कुछ भी दोनों चैनलों में एक जैसा नहीं होता, इसलिए इनमें से कुछ भी कैंसल नहीं होता। खामोशी की जगह आपको आवाज़ की एक धुंधली परछाईं सुनाई देती है, और बिना रिवर्ब वाली आवाज़ ज़्यादातर हट जाने के बाद भी रिवर्ब अक्सर बचा रहता है।

आवाज़ के साथ और क्या गायब हो जाता है

यह वह हिस्सा है जिसके बारे में कोई आपको आगाह नहीं करता। इस तकनीक को पता ही नहीं कि आवाज़ क्या होती है। यह बीच में रखी हर चीज़ हटा देती है, और आम मिक्स में बीच की जगह काफ़ी भरी हुई होती है। किक ड्रम बीच में होता है। स्नेयर बीच में होता है। बेस लगभग हमेशा बीच में होता है, क्योंकि लो फ़्रीक्वेंसी को बीच में रखा जाता है ताकि विनाइल कटिंग और बड़े PA सिस्टम में दिक्कत न आए। लीड इंस्ट्रुमेंट और सोलो भी अक्सर वहीं होते हैं।

इसलिए सिर्फ़ सेंटर कैंसल करके बनाया गया ट्रैक अक्सर ऐसा निकलता है कि उसका निचला हिस्सा खोखला हो चुका होता है और ड्रम कमज़ोर पड़ जाते हैं। यह टूल उसमें से सबसे निचले हिस्से को बचाता है: लगभग 120 Hz से नीचे की हर चीज़, जहाँ किक ड्रम और बेस की मूल फ़्रीक्वेंसी रहती हैं, कैंसलेशन से बाहर रखी जाती है। स्नेयर, बेस का ऊपरी हिस्सा और बीच में रखा कोई भी लीड इंस्ट्रुमेंट फिर भी आवाज़ के साथ चले जाते हैं, और कुछ रिकॉर्डिंग पर नतीजा किसी काम का नहीं रहता, क्योंकि गड़बड़ी टूल में नहीं, मिक्स में है।

दोनों फ़ाइलें असल में क्या हैं

इस पर साफ़-साफ़ बात होनी चाहिए, क्योंकि नाम सुनकर जितनी उम्मीद बनती है, फ़ाइलें उतनी खरी नहीं उतरतीं। इंस्ट्रुमेंटल हर मूल चैनल है, जिसमें से 120 Hz की उस सीमा के ऊपर का सेंटर घटा दिया गया है। पूरी तीव्रता पर बीच में रखी आवाज़ कैंसल हो जाती है। तीव्रता का स्लाइडर कम करें, तो सेंटर का कुछ हिस्सा बना रहता है। इससे थोड़ी आवाज़ बची रहती है, लेकिन ट्रैक कम खोखला सुनाई देता है। मोनो में बजाना अब भी समस्या है: फ़ोन का स्पीकर या मोनो PA दोनों चैनलों को जोड़ देता है, साइड्स कैंसल हो जाती हैं, और पूरी तीव्रता पर आपको बेस और किक के अलावा ज़्यादा कुछ सुनाई नहीं देता। अगर आप इसे लोगों के सामने बजाने वाले हैं, तो पहले मोनो में सुनकर जाँच लें।

दूसरी फ़ाइल अलग की गई आवाज़ नहीं है। यह 120 Hz के ऊपर मिक्स का सेंटर है: आवाज़, और उसके साथ बीच में रखी बाकी हर चीज़, जैसे स्नेयर या लीड गिटार। किसी गाने के बोल पकड़ने या धुन के साथ चलने के लिए यह अच्छा रेफ़रेंस है। यह अकापेला नहीं है, और अगर आप इसे अकापेला की तरह इस्तेमाल करेंगे तो यह टिक नहीं पाएगी।

दोनों फ़ाइलें WAV में मिलती हैं, इसलिए बड़ी होती हैं, और सेपरेशन मोड से आप इनमें से सिर्फ़ एक भी माँग सकते हैं। सोर्स फ़ाइल स्टीरियो होनी चाहिए: मोनो फ़ाइल में साइड्स होती ही नहीं जिन पर काम किया जा सके, और टूल यह साफ़ बता देता है, कुछ करने का दिखावा नहीं करता।

यह असल में किस काम आता है

पुराने गानों का कामचलाऊ कराओके। कान से सुनकर बेसलाइन या गाने की धुन निकालना। यह सुनना कि प्रोड्यूसर ने मिक्स के बीच में क्या रखा है, जिससे सच में बहुत कुछ सीखने को मिलता है। घर पर रियाज़ के लिए झटपट बना बैकिंग ट्रैक।

यह किस काम का नहीं है: ऐसी कोई भी चीज़ जो रिलीज़ होगी, बिकेगी या पब्लिश होगी। ठीक-ठाक स्पीकर पर इसके आर्टिफ़ैक्ट साफ़ सुनाई देते हैं, बैलेंस सही नहीं रहता, और किसी रिकॉर्डिंग को अलग-अलग करने से आपको उस पर ऐसा कोई अधिकार नहीं मिल जाता जो पहले से आपके पास न हो।

जब असली सेपरेशन चाहिए

Demucs और Spleeter जैसे सोर्स सेपरेशन मॉडल सच में एक अलग ही काम करते हैं। इन्हें ढेर सारे संगीत पर ट्रेन किया गया है और ये हर इंस्ट्रुमेंट का अंदाज़ा अलग से लगाते हैं, इसलिए ये चौड़े, भारी रिवर्ब वाले आज के मिक्स से भी आवाज़ निकाल सकते हैं और साथ में ड्रम और बेस के अलग स्टेम भी दे सकते हैं। इनके नतीजे बिल्कुल अलग स्तर के होते हैं, और प्रोफ़ेशनल स्तर के आसपास के किसी भी काम के लिए समझदारी इन्हीं को चुनने में है।

इसकी कीमत है कंप्यूटिंग पावर और सहूलियत। ये मॉडल भारी होते हैं, इसलिए इन्हें देने वाली ज़्यादातर वेब सर्विस मॉडल चलाने के लिए आपका ऑडियो सर्वर पर अपलोड करती हैं, और प्राइवेसी के लिहाज़ से यह यहाँ होने वाले काम से बिल्कुल अलग मामला है। Demucs को अपने कंप्यूटर पर चलाने के लिए Python एनवायरनमेंट और थोड़ा धैर्य चाहिए। अगर असली काम के लिए साफ़ स्टेम चाहिए, तो यही रास्ता है। अगर आपको 1971 के किसी रिकॉर्ड का कराओके वर्ज़न दस सेकंड में चाहिए, और फ़ाइल आपके लैपटॉप से बाहर न जाए, तो गणित काफ़ी है।

कुछ भी अपलोड नहीं होता

डिकोडिंग, घटाने का काम और WAV फ़ाइल लिखना, सब कुछ उसी पेज में होता है जो आपने खोल रखा है। आपका संगीत कभी किसी सर्वर तक नहीं पहुँचता, और यह तब मायने रखता है जब ट्रैक किसी स्ट्रीमिंग सर्विस से लिया गया गाना नहीं, बल्कि आपकी अपनी ऐसी रिकॉर्डिंग हो जो अभी रिलीज़ नहीं हुई। अपने ब्राउज़र के डेवलपर टूल्स में नेटवर्क टैब खोलें और एक सेपरेशन चलाएँ: कोई भी रिक्वेस्ट ऑडियो लेकर नहीं जाती, क्योंकि ऐसी कोई रिक्वेस्ट भेजी ही नहीं जाती।