Separar voz, música e efeitos sonoros
Entra uma faixa mixada, saem até seis stems limpos
Uma trilha sonora finalizada é um arquivo único: diálogos, passos e trilha musical misturados. O Seed Audio 1.5 consegue desfazer essa mistura e devolver cada voz, cada efeito e a música como faixas independentes, prontas para levar ao editor e mixar de novo.
Com base na documentação da ByteDance. Descrevemos nossos próprios resultados nas páginas de tradução; ainda não rodamos a separação nos nossos filmes.
O que você recebe
O exemplo da própria ByteDance divide uma cena curta de fantasia em seis faixas. Ele mostra o nível de detalhe esperado: não só “voz” e “música”, mas cada personagem que fala e cada som.
Cada voz
No exemplo, o narrador, uma menina e um menino chegam cada um em uma faixa de voz separada.
Cada efeito
Passos em uma faixa, uma porta se fechando em outra, para você mover ou trocar um som sem mexer no resto.
A música
A trilha de fundo sozinha, limpa o suficiente para ficar por baixo de uma nova voz.
Para que servem os stems
Dublagem e tradução
Traduza a voz e mantenha a música e os efeitos originais por baixo. Ter a voz isolada é exatamente como preparamos nosso filme em 12 idiomas.
Corrigir um único elemento
Abaixe a música durante uma fala, tire uma tosse, troque um efeito fraco, sem regravar a cena.
Remixes e edições
Refaça a montagem de um trailer, de um trecho de podcast ou de um vídeo curto com a trilha em um stem próprio.
Material de arquivo
Vídeos antigos sem os arquivos originais do projeto: reconstrua os stems a partir da mixagem final.
Como separar uma trilha sonora
Exporte o áudio
Extraia o áudio mixado do vídeo em WAV ou MP3. Mantenha cada arquivo entre 2 segundos e 6 minutos.
Divida arquivos longos
Trilhas mais longas entram em partes. Corte nos trechos de silêncio para que nenhum som seja cortado ao meio.
Separe
O modelo devolve até seis faixas: vozes, efeitos e música.
Refaça a mixagem
Leve os stems ao seu editor com o mesmo ponto de início e eles ficam sincronizados com a imagem.
Entrada e saída
| Parâmetro | Limite |
|---|---|
| Entrada | Um arquivo de áudio |
| Formatos | WAV ou MP3 |
| Duração | De 2 a 360 segundos |
| Tamanho do arquivo | Até 90 MB |
| Stems retornados | Até 6 |
| Formatos de saída | WAV (padrão), MP3, PCM, OGG Opus |
Fonte: guia de integração do acesso antecipado ao Seed Audio 1.5, da ByteDance, outubro de 2026.
Bom saber
- A entrada é áudio, não vídeo. Extraia a trilha sonora antes.
- Seis stems é o máximo por solicitação.
- Um arquivo por solicitação, com até 6 minutos e 90 MB. Divida trilhas mais longas nos silêncios.
- Separe apenas material que você tenha direito de editar.
Perguntas frequentes sobre separação de stems
O que é separação de stems?
É dividir uma trilha sonora mixada de volta em suas partes: vozes, efeitos sonoros e música, cada uma em sua própria faixa, para editar ou mixar de novo de forma independente.
Quantos stems o Seed Audio 1.5 retorna?
Até seis. O exemplo da ByteDance devolve um narrador, duas outras vozes, a música, passos e uma porta em seis faixas separadas.
Dá para separar o áudio de um vídeo?
A separação recebe um arquivo de áudio. Primeiro exporte a trilha sonora do vídeo em WAV ou MP3, com até 6 minutos e 90 MB por arquivo.
Dá para tirar a voz e manter a música?
Sim. Com a voz em um stem próprio, você pode silenciá-la, substituí-la ou traduzi-la e manter a música e os efeitos como estavam.