Tách giọng nói, nhạc và hiệu ứng âm thanh
Một bản âm thanh đã trộn vào, tối đa sáu stem sạch ra
Bản âm thanh hoàn chỉnh chỉ là một tệp duy nhất, nơi lời thoại, tiếng bước chân và nhạc nền được trộn liền vào nhau. Seed Audio 1.5 có thể tách chúng ra trở lại: mỗi giọng nói, mỗi hiệu ứng và phần nhạc đều thành một track riêng, sẵn sàng đưa vào trình biên tập để trộn lại.
Dựa trên tài liệu của ByteDance. Kết quả của chính chúng tôi được trình bày ở các trang dịch video; chúng tôi chưa chạy tính năng tách stem trên các bộ phim của mình.
Kết quả nhận được
Ví dụ của chính ByteDance tách một cảnh giả tưởng ngắn thành sáu track. Nó cho thấy mức độ chi tiết bạn có thể kỳ vọng: không chỉ “giọng nói” và “nhạc”, mà là từng người nói và từng âm thanh.
Từng người nói
Trong ví dụ, người dẫn chuyện, một bé gái và một bé trai đều là các track giọng nói riêng biệt.
Từng hiệu ứng
Tiếng bước chân ở một track, tiếng đóng cửa ở track khác, nên bạn có thể dời hoặc thay một âm thanh mà không động đến phần còn lại.
Phần nhạc
Nhạc nền đứng riêng, đủ sạch để giữ lại dưới một giọng nói mới.
Stem dùng để làm gì
Lồng tiếng và dịch thuật
Dịch giọng nói và giữ nguyên nhạc, hiệu ứng gốc bên dưới. Có được giọng nói riêng chính là cách chúng tôi chuẩn bị cho bộ phim 12 ngôn ngữ của mình.
Sửa một thành phần
Hạ nhạc xuống dưới một câu thoại, xóa tiếng ho, thay một hiệu ứng yếu mà không cần thu âm lại cảnh quay.
Phối lại và dựng lại
Dựng lại trailer, đoạn podcast hay video ngắn với phần nhạc nền chạy trên stem riêng.
Tư liệu lưu trữ
Với video cũ đã mất tệp dự án gốc: dựng lại các stem từ bản trộn cuối.
Cách tách một bản âm thanh
Xuất âm thanh
Trích âm thanh đã trộn từ video ra dạng WAV hoặc MP3. Mỗi tệp dài từ 2 giây đến 6 phút.
Chia nhỏ tệp dài
Bản âm thanh dài hơn thì đưa vào theo từng phần. Hãy cắt ở chỗ im lặng để không âm thanh nào bị cắt đôi.
Tách stem
Mô hình trả về tối đa sáu track: giọng nói, hiệu ứng và nhạc.
Dựng lại bản trộn
Đưa các stem vào trình biên tập với cùng thời điểm bắt đầu, chúng sẽ khớp với hình ảnh.
Đầu vào và đầu ra
| Thông số | Giới hạn |
|---|---|
| Đầu vào | Một tệp âm thanh |
| Định dạng | WAV hoặc MP3 |
| Độ dài | 2 đến 360 giây |
| Dung lượng tệp | Tối đa 90 MB |
| Số stem trả về | Tối đa 6 |
| Định dạng đầu ra | WAV (mặc định), MP3, PCM, OGG Opus |
Nguồn: hướng dẫn tích hợp truy cập sớm Seed Audio 1.5 của ByteDance, tháng 10/2026.
Cần biết
- Đầu vào là âm thanh, không phải video. Hãy trích xuất âm thanh trước.
- Sáu stem là mức tối đa cho mỗi yêu cầu.
- Mỗi yêu cầu một tệp, tối đa 6 phút và 90 MB. Bản âm thanh dài hơn hãy chia ở chỗ im lặng.
- Chỉ tách những tư liệu mà bạn có quyền chỉnh sửa.
Câu hỏi thường gặp về tách stem
Tách stem là gì?
Là tách một bản âm thanh đã trộn trở lại thành các thành phần: giọng nói, hiệu ứng âm thanh và nhạc, mỗi thành phần trên một track riêng, để có thể chỉnh sửa hoặc trộn lại độc lập.
Seed Audio 1.5 trả về bao nhiêu stem?
Tối đa sáu. Ví dụ của ByteDance trả về người dẫn chuyện, hai giọng nói khác, nhạc, tiếng bước chân và tiếng cửa thành sáu track riêng.
Có thể tách âm thanh từ video không?
Tính năng tách nhận vào một tệp âm thanh. Hãy xuất âm thanh từ video ra WAV hoặc MP3 trước, tối đa 6 phút và 90 MB mỗi tệp.
Có thể xóa giọng nói và giữ lại nhạc không?
Có. Khi giọng nói nằm trên stem riêng, bạn có thể tắt tiếng, thay thế hoặc dịch nó, còn nhạc và hiệu ứng vẫn giữ nguyên.
Liên quan
Tách bản trộn ra từng phần
Giọng nói, hiệu ứng và nhạc, mỗi thứ một track riêng.
Tách một bản âm thanh