サインイン
料金 クリエイター アフィリエイト 作成を開始
ステム分離 · Seed Audio 1.5

音声・BGM・効果音を分離

ミックス済みの1トラックから、最大6本のクリーンなステムへ

完成した音声は、セリフも足音もBGMもひとつに溶け合った1つのファイルです。Seed Audio 1.5なら、それをもう一度ばらして、それぞれの声、効果音、BGMを個別のトラックとして取り出せます。編集ソフトにそのまま読み込んで、ミックスし直せます。

ByteDanceのドキュメントに基づく内容です。Doitong自身の結果は翻訳ページで紹介しており、分離機能はまだ自社の映画では試していません。

分離して取り出せるもの

ByteDance自身の例では、短いファンタジーのシーンが6本のトラックに分かれます。「声」と「音楽」だけでなく、話者ごと、音ごとに分かれる細かさがわかります。

話者ごとの声

この例では、ナレーター、女の子、男の子の声がそれぞれ別の音声トラックとして出力されます。

効果音ごとのトラック

足音は1本、ドアが閉まる音は別の1本。ほかの音に手を加えずに、1つだけ動かしたり差し替えたりできます。

BGM

バックグラウンドの音楽だけを単独で取り出せます。新しい声の下に残して使えるクリーンさです。

ステム分離の使いどころ

吹き替え・翻訳

声だけを翻訳し、元のBGMと効果音はそのまま残せます。12言語版の映画も、まさに声だけを取り出す形で準備しました。

動画を翻訳する →

一部の音だけを直す

セリフの下でBGMを下げる、咳を取り除く、弱い効果音を差し替える。シーンを録り直さずに済みます。

リミックス・再編集

BGMを独立したステムにしておけば、予告編、ポッドキャストの切り抜き、ショート動画も作り直しやすくなります。

アーカイブ素材

元のプロジェクトファイルが残っていない古い動画も、完成版のミックスからステムを作り直せます。

音声を分離する手順

1

音声を書き出す

動画からミックス済みの音声をWAVまたはMP3で書き出します。1ファイルは2秒以上6分以内にしてください。

2

長いファイルは分割

それより長い音声は、パートに分けて入力します。音が途中で切れないよう、無音の箇所で区切ってください。

3

分離する

モデルが、声・効果音・BGMを最大6本のトラックにして返します。

4

ミックスを組み直す

ステムを同じ開始時間で編集ソフトに読み込めば、映像とずれずに揃います。

入力と出力

ステム分離の上限
項目上限
入力音声ファイル1つ
対応フォーマットWAVまたはMP3
長さ2〜360秒
ファイルサイズ最大90 MB
出力ステム数最大6
出力フォーマットWAV(デフォルト)、MP3、PCM、OGG Opus

出典:ByteDance Seed Audio 1.5 アーリーアクセス連携ガイド(2026年10月)。

ご利用前に知っておきたいこと

  • 入力は動画ではなく音声です。先に音声を書き出してください。
  • 1回のリクエストで出力できるのは最大6ステムです。
  • 1回のリクエストで扱えるのは1ファイル、最長6分・90 MBまでです。長い音声は無音の箇所で分割してください。
  • 編集する権利をお持ちの素材だけを分離してください。

ステム分離のよくある質問

ステム分離とは何ですか?

ミックス済みの音声を、声・効果音・BGMといった要素に分け、それぞれを別のトラックにすることです。個別に編集したり、ミックスし直したりできます。

Seed Audio 1.5は何本のステムを出力できますか?

最大6本です。ByteDanceの例では、ナレーター、ほかの2人の声、BGM、足音、ドアの音が6本の別トラックとして出力されます。

動画から音声を分離できますか?

分離に使えるのは音声ファイルです。先に動画から音声をWAVまたはMP3で書き出してください。1ファイルあたり最長6分、90 MBまでです。

声だけを消してBGMを残すことはできますか?

はい。声が独立したステムになれば、ミュートしたり、差し替えたり、翻訳したりしながら、BGMと効果音はそのまま残せます。

ミックスをばらしてみよう

声、効果音、BGMを、それぞれ別のトラックに。

トラックを分離する