Separar voz, música y efectos de sonido
Entra una pista mezclada, salen hasta seis stems limpios
Una banda sonora terminada es un único archivo: diálogos, pasos y música fundidos entre sí. Seed Audio 1.5 puede volver a separarlos y devolverte cada voz, cada efecto y la música como pistas independientes, listas para llevarlas a un editor y volver a mezclarlas.
Basado en la documentación de ByteDance. Los resultados propios los describimos en las páginas de traducción; todavía no hemos aplicado la separación a nuestras películas.
Qué obtienes
El propio ejemplo de ByteDance divide una breve escena de fantasía en seis pistas. Da una idea del nivel de detalle que cabe esperar: no solo «voz» y «música», sino cada hablante y cada sonido.
Cada hablante
En el ejemplo, el narrador, una niña y un niño llegan cada uno como una pista de voz distinta.
Cada efecto
Los pasos en una pista, una puerta que se cierra en otra: así puedes mover o sustituir un sonido sin tocar el resto.
La música
La banda sonora de fondo por separado, lo bastante limpia para mantenerla bajo una voz nueva.
Para qué sirven los stems
Doblaje y traducción
Traduce la voz y conserva debajo la música y los efectos originales. Tener la voz aislada es justo como preparamos nuestra película en 12 idiomas.
Corregir un solo elemento
Baja la música durante una frase, elimina una tos, sustituye un efecto flojo, sin volver a grabar la escena.
Remezclas y ediciones
Remonta un tráiler, un fragmento de pódcast o un corto con la música en su propio stem.
Material de archivo
Vídeos antiguos de los que se han perdido los archivos originales del proyecto: reconstruye los stems a partir de la mezcla final.
Cómo dividir una banda sonora
Exporta el audio
Extrae el audio mezclado del vídeo en WAV o MP3. Cada archivo debe durar entre 2 segundos y 6 minutos.
Divide los archivos largos
Las bandas sonoras más largas se envían por partes. Corta en un silencio para que ningún sonido quede partido por la mitad.
Separa
El modelo devuelve hasta seis pistas: voces, efectos y música.
Reconstruye la mezcla
Lleva los stems a tu editor con el mismo punto de inicio y quedarán sincronizados con la imagen.
Entrada y salida
| Parámetro | Límite |
|---|---|
| Entrada | Un archivo de audio |
| Formatos | WAV o MP3 |
| Duración | De 2 a 360 segundos |
| Tamaño del archivo | Hasta 90 MB |
| Stems devueltos | Hasta 6 |
| Formatos de salida | WAV (por defecto), MP3, PCM, OGG Opus |
Fuente: guía de integración de acceso anticipado de Seed Audio 1.5 de ByteDance, octubre de 2026.
Conviene saber
- La entrada es audio, no vídeo. Extrae antes la banda sonora.
- Seis stems es el máximo por solicitud.
- Un archivo por solicitud, de hasta 6 minutos y 90 MB. Divide en un silencio las bandas sonoras más largas.
- Separa solo material que tengas derecho a editar.
Preguntas frecuentes sobre la separación de stems
¿Qué es la separación de stems?
Es dividir una banda sonora mezclada en sus partes: voces, efectos de sonido y música, cada una en su propia pista, para poder editarlas o volver a mezclarlas de forma independiente.
¿Cuántos stems devuelve Seed Audio 1.5?
Hasta seis. El ejemplo de ByteDance devuelve un narrador, otras dos voces, la música, unos pasos y una puerta como seis pistas separadas.
¿Puedo separar el audio de un vídeo?
La separación necesita un archivo de audio. Primero exporta la banda sonora de tu vídeo en WAV o MP3, con un máximo de 6 minutos y 90 MB por archivo.
¿Puedo quitar la voz y quedarme con la música?
Sí. Cuando la voz está en su propio stem, puedes silenciarla, sustituirla o traducirla, y mantener la música y los efectos tal como estaban.