Separação de áudio MelBandRoFormer
Carregue um arquivo de áudio e separe-o em faixas vocais e instrumentais usando o modelo MelBandRoFormer. Gera dois arquivos MP3 para vocais isolados e música de fundo.
Experimente um exemplo
Sobre este fluxo de trabalho
Este fluxo de trabalho do ComfyUI realiza isolamento de voz de alta qualidade usando o modelo MelBandRoFormer. Ele recebe uma faixa de áudio mixada e separa em duas trilhas: vocais isolados e acompanhamento instrumental. O pipeline começa com LoadAudio para carregar seu arquivo de origem, depois MelBandRoFormerModelLoader carrega os pesos pré-treinados (MelBandRoformer_fp16.safetensors) de models/diffusion_models. A separação principal ocorre no MelBandRoFormerSampler, que executa a inferência e gera dois tensores de áudio—um para vocais e outro para música de fundo—prontos para exportação via nós SaveAudioMP3 pareados.
Tecnicamente, o MelBandRoFormer aplica uma arquitetura baseada em transformer que opera em bandas divididas, no espaço tempo-frequência, para estimar os componentes de origem. Na prática, isso significa que ele aprende máscaras que suprimem o acompanhamento ao extrair vocais e vice-versa, resultando em trilhas mais limpas e com menos artefatos musicais. O MarkdownNote incluído fornece orientações dentro do canvas. Como o fluxo é orientado por nós, você pode facilmente trocar o SaveAudioMP3 por um salvador WAV, mudar nomes de arquivos de saída ou ajustar opções do Sampler como chunking/overlap (se disponível na sua versão do nó) para equilibrar velocidade, uso de memória e qualidade da separação.
Perguntas e respostas
Uma GPU moderna é fortemente recomendada para velocidades razoáveis. Algumas configurações podem rodar em CPU, mas o processamento será significativamente mais lento. Se encontrar problemas de memória na GPU, reduza o tamanho do chunk ou aumente o overlap no Sampler (se disponível) para gerenciar a VRAM.
O LoadAudio normalmente aceita formatos comuns como WAV, MP3 e FLAC. O fluxo fornecido salva as trilhas em MP3 via SaveAudioMP3. Se precisar de saída sem perdas, troque o nó de salvamento por uma variante WAV no ComfyUI.
Tente aumentar o overlap ou ajustar o tamanho do chunk no MelBandRoFormerSampler se esses controles estiverem disponíveis na sua versão do nó. Certifique-se também de que a entrada não está clipada e evite masters excessivamente comprimidos. Para polimento final, aplique um leve noise gate ou denoising espectral na trilha vocal.
Este fluxo está configurado para duas trilhas: vocais e instrumental. Para separação multi-trilha, use um modelo e fluxo projetados para 4 ou 5 trilhas, ou crie uma variante que encadeie modelos para fontes específicas.