ElevenLabs Voice Isolator

オーディオから背景ノイズを除去し、ボーカル/スピーチを分離します。ノイズの多い録音をクリーンアップしたり、オーディオを文字起こし用に準備したり、混合トラックから対話を抽出したりするのに便利です。

セットアップ: Installation Guide を参照してください。JavaScript の場合、@elevenlabs/* パッケージのみを使用してください。

クイックスタート

Python

from elevenlabs import ElevenLabs

client = ElevenLabs()

with open("noisy.mp3", "rb") as audio_file:
    audio_stream = client.audio_isolation.convert(audio=audio_file)

with open("clean.mp3", "wb") as f:
    for chunk in audio_stream:
        f.write(chunk)

JavaScript

import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";
import { createReadStream, createWriteStream } from "fs";

const client = new ElevenLabsClient();

const audioStream = await client.audioIsolation.convert({
  audio: createReadStream("noisy.mp3"),
});

audioStream.pipe(createWriteStream("clean.mp3"));

cURL

curl -X POST "https://api.elevenlabs.io/v1/audio-isolation" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -F "audio=@noisy.mp3" \
  --output clean.mp3

パラメータ

パラメータ	型	デフォルト	説明
audio	ファイル (必須)	—	分離するボーカル/スピーチを含むオーディオファイル
file_format	文字列	other	エンコードされたオーディオの場合は other、またはレイテンシーを低減する 16 ビット PCM モノラル @ 16kHz リトルエンディアンの場合は pcm_s16le_16

URL からの分離

import requests
from io import BytesIO
from elevenlabs import ElevenLabs

client = ElevenLabs()

audio_url = "https://example.com/noisy.mp3"
response = requests.get(audio_url)
audio_data = BytesIO(response.content)

audio_stream = client.audio_isolation.convert(audio=audio_data)

with open("clean.mp3", "wb") as f:
    for chunk in audio_stream:
        f.write(chunk)

低レイテンシー PCM 入力

既に生の 16 ビット PCM モノラル @ 16kHz がある場合、file_format="pcm_s16le_16" を渡すことでデコーディングをスキップし、レイテンシーを削減できます:

audio_stream = client.audio_isolation.convert(
    audio=pcm_bytes,
    file_format="pcm_s16le_16",
)

サポートされているフォーマット

入力として任意の一般的なエンコードされたオーディオ/ビデオコンテナが動作します (MP3、WAV、M4A、FLAC、OGG、WebM、MP4 など)。レスポンスはデフォルトではストリーミング MP3 です。

一般的なワークフロー

• インタビュー/ポッドキャスト録音をクリーンアップ — 編集前にルームトーン、HVAC、交通音を除去します。
• Speech-to-Text 用にノイズの多いオーディオを準備 — 音声を先に分離してから speech_to_text.convert() で文字起こし精度を向上させます。
• 混合トラックから対話を抽出 — 音楽/SFX を含むトラックからボーカルを引き出します。
• Voice Changer の前処理 — 音声変換を適用する前にソース音声を分離します。

エラーハンドリング

try:
    audio_stream = client.audio_isolation.convert(audio=audio_file)
except Exception as e:
    print(f"Voice isolation failed: {e}")

一般的なエラー:

• 401: 無効な API キー
• 422: 無効なパラメータ (例: 提供されたオーディオに対して間違った file_format)
• 429: レート制限を超過

参考資料

• Installation Guide