Удаление слова из песни без потери ритма

Цензура заглушает слово и оставляет на его месте дыру во всей дорожке — вместе с музыкой. Здесь слог убирается только из голоса, а освободившееся время закрывается музыкально, поэтому провала в музыке нет и склейка не слышна.

Вырезание меняет длину: всё, что идёт после реза, съезжает вперёд, и такт ломается. Именно так звучит попытка починить песню инструментом удаления тишины. Здесь музыкальная дорожка не режется вообще, а сетка долей остаётся неизменной.

Распознавание речи — языковая модель: она «знает», как строка должна звучать, и схлопывает повтор. На проверенном примере расшифровка совпала байт в байт до и после удаления дубля. Поэтому слоги здесь ищутся по звуку — по тому, как носовые согласные и смычки гасят полосу 500–2500 Гц, а открытые гласные её заполняют.

Если закрыть пропуск протяжкой соседнего слога, нота занимает время двух долей вместо одной, и это слышно как задержка. Сдвиг остатка фразы такого не даёт, поэтому он предлагается первым, а протяжка — только когда сдвиг невозможен.

Если после фразы голос не замолкает, сдвигать некуда: все последующие строки уехали бы с доли. Тогда остаются протяжка или пауза, и инструмент предупреждает об этом прямо на экране, а не выбирает худший вариант молча.

Это основной сценарий. Встроенные редакторы генераторов перегенерируют фрагмент заново, то есть создают другой дубль. Здесь исходная запись не пересоздаётся — она редактируется, поэтому голос, мелодия и аранжировка остаются теми же.

На вход — MP3, WAV, FLAC, M4A, OGG и видеофайлы со звуковой дорожкой. Результат выгружается в WAV без потерь.