Cómo quitar la voz de una canción: métodos comparados (2026)

Para quitar la voz de una canción, en 2026 tienes cuatro opciones prácticas: usar un servicio de separación con IA (Moises, LALAL.AI, Vocal Remover Cyborg), ejecutar localmente la aplicación de escritorio gratuita Ultimate Vocal Remover (UVR), aplicar inversión de fase en Audacity o recurrir a los modos karaoke de los servicios de streaming para canciones ya presentes en sus catálogos. La separación por IA produce instrumentales notablemente más limpios que el viejo truco de la inversión de fase, pero la IA a escala no es gratis. Esta guía compara todas las opciones reales con notas de precios, contexto de calidad e instrucciones paso a paso para que elijas el método adecuado para karaoke, remixes, grabaciones de covers, sampling o estudio musical.

¿Por qué quitar la voz de una canción?

La gente busca «cómo quitar la voz de una canción» por motivos muy diversos. Entender tu caso de uso te ayuda a elegir la herramienta adecuada — una noche rápida de karaoke tiene requisitos distintos a preparar un cover para publicar en plataformas de streaming.

• Karaoke: el uso clásico. Elimina la voz principal de cualquier pista para cantar en fiestas, en el coche o en dúos para redes sociales.
• Grabación de covers: músicos y creadores de vídeo graban su propia voz sobre un instrumental existente. Una separación limpia te ahorra horas buscando una versión karaoke oficial.
• Remixes y mashups: DJs y productores necesitan acapellas aisladas e instrumentales para mezclar temas. Dividir una canción te da ambas cosas de una vez — combina Vocal Remover Cyborg con Acapella Cyborg para obtener stems solo de voz dedicados.
• Sampling y producción de beats: dale la vuelta a un loop, corta un estribillo o extrae un riff de guitarra sin que la voz original se cuele en tu nueva pista (sujeto a licencia de sample — mira la sección Legal más abajo).
• Estudio y transcripción musical: profesores, estudiantes y transcriptores usan versiones instrumentales para oír acordes, líneas de bajo y patrones de batería que la voz principal enmascara. Combínalo con Bass Cyborg o Drum Cyborg para aislar partes concretas.
• Pistas de ensayo para músicos: los guitarristas ensayan solos sobre el acompañamiento original; los cantantes trabajan armonías contra el instrumental; los bajistas ensamblan con la batería real en vez de con un metrónomo.
• Creación de contenido: música de fondo para pódcast, directos y vídeos donde el diálogo o la narración sustituyen a la letra original.
• Ensayo de baile: los coreógrafos a veces prefieren una base rítmica más limpia para marcar los tiempos sin que la voz distraiga a los bailarines.

Cómo funciona realmente la eliminación de voz

Hay tres técnicas subyacentes, y la diferencia entre ellas explica por qué la calidad varía tan drásticamente.

1. Eliminación del canal central (inversión de fase)

El truco más antiguo. La mayoría de mezclas pop panean la voz principal justo en el centro, por lo que aparece por igual en los canales izquierdo y derecho. Si inviertes la polaridad de un canal y los sumas, todo lo perfectamente centrado se cancela. El problema: el bombo, el bajo y la caja normalmente también están centrados, así que desaparecen junto con la voz. El resultado es fino, hueco y evidentemente defectuoso. Esto es lo que hace el efecto Reducción de Voz de Audacity.

2. Enmascaramiento espectral (IA antigua)

Las primeras redes neuronales analizaban el espectrograma de una canción y construían una máscara que atenuaba las frecuencias que coincidían con patrones vocales. Mejor que la inversión de fase, pero seguía produciendo artefactos acuosos y ahogados porque no podía separar limpiamente frecuencias superpuestas.

3. Redes modernas de separación de fuentes

El estado del arte actual —Demucs v4 de Meta, MDX-Net y HTDemucs— se entrena con datos emparejados en los que los investigadores disponen tanto de la mezcla completa como de los stems originales aislados desde una DAW. La red aprende cómo suenan realmente las voces, la batería, el bajo y «lo demás» como señales distintas, no como simples filtros. Ante una canción nueva, predice cada stem directamente. Así es como Moises, LALAL.AI, UVR y Vocal Remover Cyborg obtienen sus resultados limpios. La brecha de calidad entre la inversión de fase y la IA moderna es suficiente para notarla en cualquier altavoz o auriculares.

Método 1: removedores de voz con IA — la mejor opción actual

Si quieres la mejor calidad con el mínimo esfuerzo, los servicios de IA en la nube son la respuesta. Subes un archivo, el servidor ejecuta un modelo de clase Demucs en una GPU y descargas dos pistas: instrumental y acapella. Hay cuatro candidatos serios.

Moises

Aplicación móvil y web pulida con buena calidad de separación. Los precios cambian con el tiempo y por región — consulta moises.ai/pricing para conocer los planes actuales. El nivel gratuito es limitado; la suscripción de pago desbloquea separación de mayor calidad y uso por lotes/comercial.

LALAL.AI

Calidad sólida, interfaz web limpia. El precio se basa en packs (pagas por un número concreto de minutos de procesamiento). La prueba gratuita suele cubrir una pequeña cantidad de audio para que evalúes la calidad. Consulta lalal.ai para el precio actual de los packs.

Vocal Remover Cyborg

Vocal Remover Cyborg ejecuta la misma clase de modelos neuronales en la nube. Las cargas admiten archivos MP3 y WAV de hasta 200 MB cada uno, en lotes de hasta 50 archivos. AppsCyborg es un servicio de pago — €6/año o €30 vitalicio. No hay software que instalar, nada que configurar y no necesitas GPU en tu equipo. La opción vitalicia es poco común en este sector. Regístrate, paga una vez y la cuenta cubre todas las herramientas de la suite, incluidas Acapella Cyborg, Bass Cyborg y Drum Cyborg para aislar stems individuales.

Ultimate Vocal Remover (UVR)

Genuinamente gratis, de código abierto y aloja prácticamente todos los modelos de separación líderes — MDX-Net, Demucs v4, VR Architecture y decenas de checkpoints de la comunidad. El problema: se ejecuta localmente en tu máquina. Cuenta con necesitar una GPU dedicada con 6 GB o más de VRAM, o al menos unos 10 GB de RAM de sistema para una velocidad razonable; en un portátil modesto una canción de 4 minutos puede tardar entre 10 y 30 minutos. La interfaz abruma a los recién llegados —selección de modelo, modo ensemble, ajustes de posprocesado— y elegir el modelo equivocado da peores resultados que no separar. A los usuarios avanzados les encanta; los casuales lo abandonan.

Método 2: Reducción de Voz de Audacity (gratis, inversión de fase)

Audacity es totalmente gratis, de código abierto y trae un efecto integrado de Reducción y Aislamiento de Voz. Es la respuesta para quienes se niegan a pagar y no pueden ejecutar UVR. Este es el flujo de trabajo:

1. Descarga Audacity desde audacityteam.org e instálalo.
2. Abre tu canción: Archivo > Importar > Audio.
3. Selecciona toda la pista con Ctrl+A.
4. Ve a Efecto > Especial > Reducción y Aislamiento de Voz.
5. En el diálogo, elige «Quitar voces: a mono» como acción.
6. Deja los valores predeterminados de la banda de frecuencia (corte bajo alrededor de 120 Hz, corte alto alrededor de 9000 Hz) salvo que quieras experimentar.
7. Haz clic en Aplicar. Prevé el resultado antes de exportar.
8. Exporta con Archivo > Exportar > Exportar como MP3 (o WAV para la mejor calidad).

Valoración honesta: el resultado sonará anticuado. El bajo y la batería centrados se quedan huecos junto con la voz. Las colas de reverberación y las voces de acompañamiento se cuelan como susurros fantasmales. Funciona mejor en grabaciones simples y con paneo estéreo pronunciado de los años 60-80. En el pop moderno con bajo sidechain y baterías por capas de samples, destruye más de lo que quita. Úsalo como último recurso.

Método 3: Ultimate Vocal Remover (UVR) — IA local y gratis

Si tienes conocimientos técnicos, hardware capaz y quieres calidad de IA sin pagar suscripción, UVR es la respuesta honesta. Es una aplicación de escritorio genuinamente gratuita (Windows, Mac, Linux) que aloja las mismas familias de modelos que los servicios de pago. Inicio rápido:

1. Descarga el instalador desde la página de releases de ultimatevocalremover.com / GitHub.
2. Instala, ejecuta y descarga un pack de modelos inicial (MDX23C o Demucs HT son buenos por defecto).
3. Arrastra una canción al campo de entrada.
4. Elige Demucs como método de proceso y htdemucs_ft (fine-tuned) como modelo.
5. Configura la carpeta de salida y haz clic en Start Processing.

Inconvenientes a considerar: el uso de RAM puede dispararse por encima de 10 GB en canciones largas. Sin GPU, espera un procesamiento de varias veces el tiempo real — una canción de 4 minutos puede tardar 20 minutos. La elección del modelo afecta significativamente a la calidad y los nombres son crípticos (UVR-MDX-NET-Inst_HQ_3 vs HTDemucs_6s vs VR-5HP-Karaoke). Cuenta con dedicar una tarde a leer hilos de la comunidad antes de fijar tu pipeline preferido. Cuando lo hagas, los resultados rivalizan con cualquier servicio de pago.

Método 4: funciones de karaoke en servicios de streaming

Spotify añadió atenuación de voz por canción en algunos temas; Apple Music lanzó Apple Music Sing, que baja el nivel de la voz en tiempo real en dispositivos compatibles; Amazon Music tiene funcionalidad similar en títulos seleccionados. Vale la pena mencionarlos porque resuelven el caso de uso de karaoke para muchos usuarios casuales sin ninguna herramienta aparte.

Limitaciones: solo puedes cantar sobre canciones que el servicio de streaming haya licenciado y preparado — normalmente los grandes éxitos, no rarezas. No puedes exportar el instrumental, usarlo en una DAW ni trabajar con tus propios archivos locales. Para trabajo de producción real —una grabación de cover, un remix, una pista de acompañamiento para un concierto— sigues necesitando uno de los otros métodos.

Tabla comparativa completa

Comparación de resultados: cómo suena una eliminación buena frente a una mala

Evaluar la calidad de la eliminación de voz es fácil cuando sabes qué escuchar. Ponte auriculares, escucha primero la mezcla completa y luego el instrumental, y busca:

• Susurros vocales residuales: los malos resultados dejan restos fantasmales de la letra — especialmente en la sibilancia (sonidos s, t, sh) y en notas potentes. Los buenos modelos de IA los eliminan limpiamente.
• Batería embarrada: la inversión de fase se lleva el bombo y la caja. Fíjate si el kit de batería suena como si hubiera perdido pegada — eso es un artefacto de cancelación de fase, no el sonido real de la batería.
• Bajo hueco: la misma cancelación suele adelgazar el bajo. Si los graves parecen haber perdido su núcleo, estás oyendo un método inferior.
• Colapso de la imagen estéreo: la eliminación al estilo de Audacity puede convertir una mezcla estéreo amplia en mono. La separación por IA preserva la panorámica original.
• Artefactos acuáticos / ondulantes: los primeros modelos de IA producían este sonido «metálico» sobre el contenido armónico. Los modelos modernos de clase Demucs están mayormente libres de él.
• Fugas de voces de acompañamiento: la mayoría de herramientas apuntan a la voz principal. Armonías, ad-libs y coros pueden seguir sonando. A veces lo quieres (grabaciones de cover), a veces no.

¿Cuál deberías elegir?

Una guía rápida de decisión según tu situación:

• Presupuesto ajustado, una o dos canciones, no te importa la curva de aprendizaje: Ultimate Vocal Remover (gratis, local) si tienes un ordenador razonable. Audacity si tu equipo es débil — asume menor calidad.
• Uso habitual, quieres calidad y facilidad, con presupuesto controlado: Vocal Remover Cyborg a €30 vitalicio. Funciona en cualquier dispositivo desde el navegador.
• Flujo de trabajo mobile-first: Moises tiene apps sólidas de iOS y Android. Paga la suscripción si trabajas principalmente desde el móvil.
• Un proyecto grande y ya está: los packs de LALAL.AI pueden compensar si tienes una cantidad acotada de material y sin necesidad continua del servicio.
• Usuario avanzado, procesamiento por lotes, pipeline en línea de comandos: UVR con su CLI + un shell script, o el lote de 50 archivos de Vocal Remover Cyborg para descargar el trabajo a la nube. Con la segunda opción no necesitas GPU local.
• Karaoke casual, canciones ya presentes en Spotify: usa el atenuador de voz integrado de Spotify o Apple Music Sing. Gratis con la suscripción que ya pagas.

Consejos para obtener los mejores resultados

Incluso la mejor IA puede fallar con malas entradas. Consejos prácticos para separaciones más limpias:

1. Empieza con archivos fuente de alta calidad: WAV o MP3 a 320 kbps preservan el detalle espectral que el modelo necesita. Los rips a 128 kbps dan una separación notablemente peor. Nota: Vocal Remover Cyborg acepta .mp3 y .wav — si tienes FLAC o ALAC, conviértelos primero a WAV.
2. Evita las grabaciones mono: aunque la IA moderna no necesita estrictamente estéreo, las herramientas de inversión de fase fallan por completo en mono, y los modelos de IA producen resultados algo mejores con el canal extra.
3. Elige mezclas muy estéreo para los métodos de fase: si tienes que usar Audacity, elige pistas con la voz claramente paneada al centro — piensa en rock clásico, Motown o pop de estudio.
4. Escucha con auriculares: los altavoces del portátil enmascaran los artefactos. Los auriculares exponen voces residuales, problemas de fase de la batería y colapso estéreo al instante.
5. Posprocesa con EQ: un realce suave con low-shelf a 80 Hz y un ligero high-shelf a 8 kHz suele devolver la energía que la separación apaga.
6. Prueba varios modelos / ensembles: con UVR, ejecutar dos modelos distintos y combinar sus salidas suele superar a cualquiera por separado. Algunos servicios en la nube ofrecen esto como modo «mejorado».
7. Vigila las colas de reverberación: las voces con mucha reverberación son el caso más difícil. La cola suele quedarse en el instrumental como un lavado. Una pasada previa de de-reverb puede ayudar.
8. Guarda ambos stems: has obtenido la acapella gratis durante la separación. Consérvala — puede que la necesites después para mashups o sampling. Herramientas como Acapella Cyborg también entregan stems solo de voz si solo necesitas ese lado.

Consideraciones legales y de copyright

Las herramientas son legales; lo que importa es qué haces con el resultado. Un resumen rápido, no jurídico:

• El uso personal suele ser aceptable: hacer una versión karaoke para cantar en casa, estudiar el arreglo o practicar tu instrumento sobre el instrumental suele encajar en los principios del uso legítimo en muchas jurisdicciones.
• La actuación pública requiere licencia: los locales de karaoke pagan licencias globales a través de organizaciones de derechos de autor (ASCAP, BMI, SACEM, PRS) porque reproducir instrumentales ante público es una comunicación pública.
• Covers y samples son cosas distintas: grabar un cover vocal completo sobre un instrumental extraído y publicarlo comercialmente suele requerir una licencia mecánica (en EE. UU., vía Harry Fox Agency o el MLC). Usar un sample corto y troceado en una canción nueva requiere una licencia de aclarado de sample — una conversación más complicada.
• YouTube / plataformas sociales: estas plataformas tienen acuerdos globales con la mayoría de los grandes editores. Content ID normalmente marcará y monetizará tu cover a favor del autor original, lo que constituye una forma legal de usarlo.
• Pistas con DRM: el audio del streaming por suscripción suele estar protegido técnicamente; eludir esa protección puede ser ilegal en tu jurisdicción, independientemente de lo que hagas después.

En caso de duda, guarda el instrumental para ti o licencia correctamente la canción antes de publicarla.

Preguntas frecuentes

¿Cuál es la mejor forma de quitar la voz de una canción en 2026?

La separación de fuentes con IA. Servicios como Moises, LALAL.AI y Vocal Remover Cyborg ejecutan redes neuronales de clase Demucs y MDX en la nube y entregan un instrumental limpio en un par de minutos. La app de escritorio gratuita UVR usa los mismos tipos de modelos en local. Cualquiera de estas superará en calidad a la reducción de voz integrada de Audacity.

¿Se puede quitar la voz de una canción gratis?

Sí — Ultimate Vocal Remover (UVR) es una app de escritorio completamente gratuita que ejecuta modelos de IA modernos en local, y Audacity es gratis pero usa el enfoque antiguo de inversión de fase con una calidad audiblemente menor. Los servicios de IA en la nube como AppsCyborg son de pago porque ejecutar inferencia en GPU a escala tiene un coste real.

¿Cuánto cuesta quitar la voz de las canciones?

Los precios varían. Moises y LALAL.AI actualizan sus planes con frecuencia — consulta sus webs para los precios actuales. Vocal Remover Cyborg cuesta €6/año o €30 un único pago vitalicio. UVR y Audacity son gratis.

¿Por qué algunos removedores de voz dejan susurros residuales?

Las herramientas de inversión de fase no pueden separar frecuencias superpuestas — solo pueden cancelar señales centradas. Los modelos de IA antiguos dejan artefactos metálicos o acuosos. Demucs v4 y MDX-Net modernos producen residuos casi inaudibles en la mayor parte del pop actual.

¿Puedo quitar la voz de un vídeo de YouTube?

Sí. Extrae primero el audio y luego pasa el MP3 o WAV resultante por un removedor de voz. Los resultados dependen de la calidad de origen — un videoclip a alto bitrate se separa mejor que un directo grabado con el móvil con ruido de público. Respeta siempre los derechos de autor al redistribuir el resultado.

¿Es legal hacer una pista de karaoke a partir de una canción con copyright?

Para uso personal, normalmente sí en muchas jurisdicciones. Para actuación pública, radiodifusión o publicación comercial necesitas licencia. Los locales de karaoke pagan licencias globales a las sociedades de gestión de derechos por este motivo.

¿Qué formato de archivo debo subir para obtener los mejores resultados?

Concretamente para Vocal Remover Cyborg, sube WAV o MP3 a 320 kbps (son los dos formatos aceptados). Evita los rips a 128 kbps; la compresión con pérdida elimina el detalle de frecuencia que la IA necesita para distinguir la voz de los instrumentos.

¿La IA también puede aislar solo el bajo o la batería?

Sí. Demucs v4 y modelos similares de cuatro stems separan una canción en voz, batería, bajo y «lo demás» en una sola pasada. Herramientas de stem dedicadas como Bass Cyborg y Drum Cyborg se centran en un único stem y ajustan el modelo para ese objetivo.

¿Listo para quitar la voz de tu primera canción?

Si quieres un resultado limpio con IA y sin fricción, Vocal Remover Cyborg te lleva de la carga al instrumental en cerca de un minuto por canción. Crea una cuenta de AppsCyborg — €6 por un año o €30 una única vez vitalicio, con acceso a todas las herramientas de la suite.

¿Trabajando en un remix? Combina el instrumental de Vocal Remover Cyborg con el stem solo de voz de Acapella Cyborg, o divide la canción en pistas individuales con Bass Cyborg y Drum Cyborg. Misma cuenta, misma cola por lotes, la misma GPU en la nube haciendo el trabajo.

Prueba Vocal Remover Cyborg