Memorias De Eugenia

O que são memorias de eugenia

Vou falar de memorias de eugenia direto, sem rodeios, porque a maioria dos textos sobre o assunto repete o mesmo manual de instalação sem explicar o que realmente acontece por baixo. Memorias de eugenia é um projeto de código aberto que usa modelos de aprendizado de máquina para separar faixas de áudio — ou seja, remover ou isolar voz, bateria, baixo e outros instrumentos de uma música completa. O nome vem do modelo Eugenia, desenvolvido por pesquisadores que trabalharam com divisão de fontes sonoras usando arquiteturas baseadas em transformer combinadas com U-Net. O resultado é uma das opções mais limpas atualmente disponíveis para quem precisa de stems separados sem depender de serviços pagos por assinatura.

Como baixar e instalar memorias de eugenia

O repositório oficial fica no GitHub. Você baixa o código-fonte, instala as dependências com pip e roda o script de inferência passando um arquivo de áudio como entrada. O processo todo leva uns vinte minutos na primeira vez, dependendo da sua placa de vídeo e da velocidade de download dos pesos do modelo. Se você tem uma GPU NVIDIA com pelo menos 8 GB de VRAM, roda em CUDA. Se não tem, roda em CPU, mas aí o tempo sobe de cinco minutos para algo em torno de meia hora por faixa de três minutos. Não é inviável, só tem que saber disso antes de começar. A interface mais comum é via linha de comando. Tem gente que constrói wrappers com Gradio ou Streamlit pra facilitar, mas o núcleo continua sendo um comando que aceita o caminho do arquivo de entrada e o caminho de saída. Eu prefiro script simples, porque assim consigo embutir em automações maiores.

Como funciona na prática

O modelo recebe um mix estéreo e produz múltiplos canais de saída, cada um correspondendo a uma fonte. Ele não inventa conteúdo novo — o que sai é tudo o que já estava gravado na faixa original, apenas separado. Isso quer dizer que se a gravação original tem instrumentos mal mixados ou compressão pesada, a separação vai refletir isso também. O pipeline básico é: carregar o modelo na memória, converter o áudio para o formato esperado pelo modelo (geralmente mono, 44100 Hz, normalizado), aplicar a divisão em janelas com overlap para evitar artefatos nas bordas, e então reconstruir o áudio final. O overlap normalmente é de 25%, o que ajuda bastante a reduzir clicks e transientes estranhos. Uma coisa que não aparece nos tutoriais: o modelo foi treinado principalmente com dados de músicas pop, rock e hip-hop. Gêneros com muita distorção de guitarra, batidas eletrônicas muito compressas ou gravações ao vivo com muitos ruídos de ambiente tendem a ter qualidade de separação bem inferior. Eu testei com um álbum de shoegaze e os resultados foram piores do que o esperado — a guitarra ficava misturada com a voz em quase tudo.

O problema que eu encontrei e como resolvi

Num projeto recente, eu precisava extrair apenas a voz de faixas antigas gravadas em fita, digitalizadas num scanner que deixava um ruído de fundo constante, tipo um zumbido grave em 50 Hz. O Eugenia não era treinado para lidar com ruído assim. A voz saía separada, sim, mas junto com o zumbido, porque o ruído estava presente em todas as frequências e o modelo não sabia diferenciá-lo como uma fonte distinta. A solução foi rodar um filtro notch de 50 Hz antes de passar pra separação. Nada dramático, só um filtro em cascata bem estreito. Depois da separação, apliquei um spectral subtraction leve no stem de voz pra limpar o que sobrou. O processo inteiro, antes e depois, levou cerca de doze minutos por faixa numa RTX 3080. Sem o pré-filtro, o resultado era inutilizável para mixagem.

Pontas soltas e limitações reais

O Eugenia é bom, mas não é mágica. Ele falha de formas previsíveis: vocais com muitos efeitos (reverb, delay intenso) se misturam com a pista de ambient; baterias eletrônicas sintetizadas são difíceis de separar da linha de baixo porque ambas ocupam o mesmo range de frequência; e fontes que estão muito centralizadas no mix tendem a vazar pra vários stems ao mesmo tempo. Outro ponto: o modelo original não suporta separação de cinco ou seis fontes de forma nativa. A versão padrão divide em voz, bateria, baixo e outros, geralmente. Se você precisa de algo mais granular, como separar cada instrumento de uma orquestra, precisa caçar forks ou modelos alternativos, e aí a qualidade cai porque o treinamento foi feito pra específicas. Para quem precisa de separação mais agressiva e tem paciência pra ajustar parâmetros manualmente, há alternativas como Demucs ou MDX-Net. Cada um tem seu trade-off. Demucs é mais lento mas costuma dar stems mais limpos. MDX-Net é rápido e focado em vocais, mas não separa instrumentos simultaneamente da mesma forma.

Quando vale a pena usar memorias de eugenia

Vale a pena se você precisa de stems rápidos para remix, para produção de conteúdo, ou para análise musical. É uma das melhores opções gratuitas atualmente, especialmente se você não quer pagar por serviços como Moises ou Splitter. O custo é zero, só depende do seu hardware. Não vale a pena se você espera perfeição. Nenhum separador atual chega perto do resultado que um engenheiro de mixagem conseguiria fazer manualmente em um estúdio. A separação sempre deixa vazamento. Sempre. Aceite isso antes de começar. O repositório pode ser encontrado buscando por "Eugenia source separation" no GitHub. Baixe, siga o README, instale as dependências listadas e rode um teste com uma faixa que você conheça bem antes de aplicar em material real. Testar com antecipação evita dor de cabeça.