Separación de audio MelBandRoFormer
Carga un archivo de audio y sepáralo en pistas vocales e instrumentales utilizando el modelo MelBandRoFormer. Genera dos archivos MP3 para las voces aisladas y la música de fondo.
Probar un ejemplo
Acerca de este flujo de trabajo
Este Flujo de trabajo de ComfyUI realiza aislamiento de voz de alta calidad usando el modelo MelBandRoFormer. Toma una única pista de audio mezclada y la separa en dos stems: voces aisladas y acompañamiento instrumental. El pipeline comienza con LoadAudio para ingerir tu archivo de origen, luego MelBandRoFormerModelLoader carga los pesos preentrenados (MelBandRoformer_fp16.safetensors) desde models/diffusion_models. La separación principal ocurre en MelBandRoFormerSampler, que ejecuta Inferencia y produce dos tensores de audio —uno para voces y otro para música de fondo— listos para exportar mediante Nodos SaveAudioMP3 emparejados.
Técnicamente, MelBandRoFormer aplica una arquitectura basada en transformer que opera en un espacio tiempo–frecuencia con división por bandas para estimar componentes de la fuente. En la práctica, eso significa que aprende máscaras que suprimen el acompañamiento al extraer voces y viceversa, produciendo stems más limpios con menos artefactos musicales. El MarkdownNote incluido ofrece guía en línea dentro del lienzo. Como el Flujo de trabajo es impulsado por Nodos, puedes sustituir fácilmente SaveAudioMP3 por un guardado WAV, cambiar nombres de archivo de Salida o ajustar opciones del Sampler como chunking/overlap (si están expuestas por tu versión del Nodo) para equilibrar velocidad, uso de Memoria y calidad de separación.
Preguntas y respuestas
Se recomienda una GPU moderna para velocidades razonables. Algunos sistemas pueden funcionar en CPU, pero el procesamiento será mucho más lento. Si tienes problemas de memoria en GPU, reduce el tamaño de fragmento o aumenta el solapamiento en el Sampler (si está disponible) para gestionar la VRAM.
LoadAudio acepta formatos comunes como WAV, MP3 y FLAC. El flujo de trabajo guarda pistas MP3 mediante SaveAudioMP3. Si necesitas salida sin pérdida, cambia el nodo guardador por una variante WAV en ComfyUI.
Intenta aumentar el solapamiento o ajustar el tamaño de fragmento en MelBandRoFormerSampler si esos controles están disponibles en tu versión de nodo. También asegúrate de que la entrada no esté saturada y evita masters demasiado comprimidos cuando sea posible. Para un pulido final, aplica una puerta de ruido ligera o reducción espectral de ruido a la pista vocal.
Este flujo está configurado para dos pistas: voces e instrumental. Para separación multitrack, usa un modelo y flujo diseñados para salidas de 4 o 5 pistas, o crea una variante que encadene modelos para fuentes específicas.
Flujos de trabajo relacionados
- Chatter Box
Chatter Box: Clonación de voz con TTS
- Chatter Box
Chatter Box: Conversación con múltiples interlocutores y voces clonadas
- Chatter Box
Chatter Box: Conversión de audio por clonación de voz
- Chatter Box
Chatter Box: Texto a voz multilingüe con clonación de voz
- ElevenLabs
ElevenLabs: Aislamiento de Voz
- ElevenLabs
ElevenLabs: Texto a Diálogo
- ElevenLabs
ElevenLabs: Texto a voz
- ElevenLabs
ElevenLabs: Voz a texto
- ElevenLabs
ElevenLabs: Voz a voz
- Nodo asociado
Fish Audio: Speech to Text
- Nodo asociado
Fish Audio: Text to Speech
- Nodo asociado
Fish Audio: Voice Clone to Speech