Cómo se recuperan las voces, la batería y las guitarras de una canción terminada: Music Source Restoration en 2026

Una canción terminada puede sonar como una única grabación continua, pero comenzó como un conjunto de fuentes musicales individuales: voces principales y coros, batería, bajo, guitarras, teclados, sintetizadores y otros instrumentos. Una vez que estas partes se mezclan, procesan y masterizan, separarlas de nuevo resulta complicado porque sus frecuencias se superponen y los efectos de estudio modifican las señales originales. Music Source Restoration, normalmente abreviado como MSR, aborda una versión más ambiciosa de este problema. En lugar de limitarse a extraer la voz o la batería que todavía pueden escucharse en el máster, MSR busca estimar una fuente más limpia y menos procesada, cercana a la que existía antes de aplicar gran parte de la cadena de mezcla y masterización. Las investigaciones publicadas en 2025 establecieron MSR como una tarea de audio independiente, mientras que los trabajos presentados en torno a ICASSP 2026 lo han convertido en un campo activo con benchmarks específicos, sistemas en competición y herramientas de investigación disponibles públicamente.

De un máster terminado a fuentes musicales separadas

La separación tradicional de fuentes musicales ya permite tomar una grabación estéreo y estimar varias partes individuales. Un sistema de separación puede recibir un archivo WAV o FLAC y producir archivos separados para voces, batería, bajo y otros instrumentos. Esto resulta útil, pero existe una limitación importante. La voz extraída normalmente conserva características añadidas durante la producción. Si el cantante fue comprimido, ecualizado y procesado con reverberación antes de crear el máster final, un modelo de separación convencional suele extraer una voz que todavía contiene al menos parte de esos cambios. Separa lo que existe en la grabación terminada, en lugar de intentar reconstruir la fuente anterior del estudio.

Music Source Restoration añade otro objetivo. El sistema debe identificar qué sonidos pertenecen a cada fuente musical y, al mismo tiempo, estimar cómo podrían haber sonado antes del procesamiento. Pensemos en una guitarra grabada con varios efectos. Sus frecuencias pueden haber sido modificadas con ecualización, sus notas fuertes y suaves pueden haberse nivelado mediante compresión y la reverberación puede haberla situado dentro de un espacio acústico artificial. Después, el máster final puede recibir limitación adicional, procesamiento estéreo y codificación con pérdida. MSR trata estas transformaciones como parte del problema de restauración en lugar de asumir que la mezcla masterizada es simplemente una suma limpia de varios instrumentos.

Esta diferencia se formalizó con una investigación dirigida por Yongyi Zang, Zheqi Dai, Mark D. Plumbley y Qiuqiang Kong. Su trabajo original sobre MSR presentó RawStems, una colección anotada que abarca 578 canciones y 354,13 horas de material fuente sin procesar, organizado en ocho grupos principales y 17 grupos secundarios de instrumentos. El objetivo era ofrecer a los modelos ejemplos de fuentes musicales anteriores al tipo de procesamiento que normalmente se escucha en un máster comercial. Para 2026, el campo había avanzado hasta contar con un desafío específico en ICASSP y un proceso de evaluación más estructurado, lo que permite comparar diferentes métodos sobre el mismo problema de restauración en lugar de depender de demostraciones seleccionadas por cada equipo de investigación.

Qué escucha el sistema en las voces, la batería y las guitarras

Una voz presenta una combinación reconocible de cambios de tono, formantes, consonantes, respiraciones y fraseo. Incluso cuando un cantante se superpone con guitarras, teclados o platillos, estos patrones proporcionan pistas que un modelo de separación puede utilizar. La dificultad está en que el procesamiento modifica esas pistas. La compresión puede alterar la relación entre las sílabas suaves y las notas más intensas, la reverberación genera copias retardadas de la voz y la ecualización puede eliminar o acentuar partes de su rango de frecuencias. Por eso, un sistema MSR hace algo más que localizar la energía vocal. También utiliza patrones aprendidos a partir de grabaciones sin procesar para estimar cómo podría sonar una versión más limpia de esa voz.

La batería plantea un problema diferente. Un bombo produce un impacto intenso en las frecuencias bajas, una caja contiene un transitorio corto seguido de una caída más ruidosa y los platillos pueden ocupar un amplio rango de frecuencias altas. Estos sonidos suelen ser más fáciles de reconocer que de reconstruir con precisión. Una fuerte compresión de bus puede modificar los transitorios de la batería, la saturación puede alterar su contenido armónico y la reverberación de sala o artificial puede extender un solo golpe durante un periodo mucho más largo. La percusión resulta especialmente difícil porque los sonidos breves pueden quedar ocultos por otros instrumentos y compartir rangos de frecuencia similares con charles, platillos, shakers o efectos.

Las guitarras varían todavía más. Una guitarra acústica, una guitarra eléctrica limpia y una guitarra eléctrica muy distorsionada pueden presentar características acústicas muy diferentes aunque pertenezcan a la misma familia general de instrumentos. Los acordes también ocupan varias frecuencias al mismo tiempo y pueden superponerse con voces, teclados y sintetizadores. Por ello, un modelo de restauración debe utilizar tanto el sonido presente en un momento concreto como la forma en que la información musical evoluciona con el tiempo. No se limita a buscar una banda fija de frecuencias etiquetada como «guitarra». Estima qué patrones cambiantes son más coherentes con una interpretación de guitarra y después reconstruye esa fuente reduciendo al mismo tiempo el material que pertenece a otros instrumentos.

Por qué Music Source Restoration va más allá de la separación convencional de stems

La forma más sencilla de entender la diferencia es imaginar una mezcla antigua terminada que contiene una voz con mucha reverberación. La separación convencional de stems puede producir una voz aislada útil, pero esa voz todavía puede contener la cola de reverberación que se escucha en el disco. MSR intenta ir más allá produciendo una estimación más cercana a la voz antes de que se añadiera ese efecto. El mismo principio se aplica a una batería modificada mediante compresión, guitarras alteradas con procesamiento tonal e instrumentos afectados por la masterización. Esto no significa que todas las decisiones de estudio puedan deshacerse perfectamente. El sistema estima la información que falta a partir de patrones aprendidos durante el entrenamiento; no retrocede a través de un registro exacto de la sesión de producción original.

Muchos de los enfoques más avanzados de 2026 dividen la tarea en varias etapas. Primero, la grabación terminada se separa en fuentes musicales aproximadas. Después, una segunda fase de restauración trabaja con esas estimaciones e intenta corregir los efectos del procesamiento de producción u otras degradaciones. Un sistema presentado en 2026 utilizó un separador BandSplit-RoFormer para estimar ocho stems de instrumentos y una salida adicional denominada «other», seguida de modelos especializados de restauración. Otro sistema de competición combinó varios modelos de separación antes de aplicar una reconstrucción específica a fuentes individuales. Las arquitecturas son distintas, pero ambos enfoques reflejan la misma idea práctica: identificar un instrumento y restaurar su sonido anterior son problemas relacionados, aunque no idénticos.

Los investigadores también están probando distintos órdenes para estas operaciones. Algunos sistemas separan primero y restauran después, mientras que otros trabajos han investigado la posibilidad de mejorar la señal mezclada antes de realizar la separación. Esto importa porque los daños introducidos antes de que el modelo reciba la grabación pueden dificultar el reconocimiento de los instrumentos. Un archivo muy comprimido o codificado con baja calidad puede contener menos detalles útiles que un máster de alta calidad. Por tanto, en 2026 no existe una única fórmula universal para MSR. Las investigaciones actuales comparan distintos métodos para determinar qué orden y qué combinación de separación, mejora y reconstrucción ofrecen resultados más fiables entre diferentes instrumentos y condiciones de grabación.

Qué muestran en la práctica los resultados de investigación de 2026

Un paso importante hacia unas pruebas más realistas es MSRBench. Este benchmark se creó específicamente para comparar fuentes restauradas con sus correspondientes referencias sin procesar. Incluye ocho grandes categorías: voces, guitarra, teclado, sintetizador, bajo, batería, percusión y orquesta. Ingenieros de mezcla profesionales crearon las mezclas conservando el acceso al material fuente anterior, lo que permite a los investigadores medir hasta qué punto una salida restaurada se parece a una referencia real, en lugar de limitarse a comprobar si un instrumento parece estar aislado. El benchmark también incluye doce tipos de degradación adicional que representan problemas como interferencias acústicas, artefactos de estilo analógico y codificación de audio con pérdida.

El primer MSR Challenge, cuyos resultados se publicaron en 2026, muestra tanto los avances como las dificultades que todavía existen. Participaron cinco equipos. Según el resumen oficial del desafío, el sistema líder alcanzó 4,46 dB en la métrica objetiva Multi-Mel-SNR y obtuvo una puntuación media de opinión de 3,47 en la evaluación subjetiva. El rendimiento estuvo lejos de ser uniforme entre los distintos instrumentos. En el conjunto de sistemas presentados, el bajo alcanzó una media de 4,59 dB en la métrica Multi-Mel-SNR indicada, mientras que la percusión obtuvo solo 0,29 dB. Esta diferencia es importante porque demuestra que una única puntuación global no describe con la misma precisión la calidad de restauración para todos los tipos de material musical.

Estos resultados también explican por qué MSR no debe considerarse un sustituto definitivo de las sesiones multipista originales. Una estimación convincente del bajo no significa que cada golpe de platillo, resonancia de guitarra o detalle de los coros pueda reconstruirse con la misma precisión. Parte de la información musical queda oculta cuando varios sonidos ocupan las mismas frecuencias, mientras que otros detalles pueden reducirse de forma permanente debido a un procesamiento agresivo o a una codificación con pérdida. La tecnología avanza con rapidez, pero la evidencia más sólida disponible en 2026 sigue describiendo un problema de investigación activo. Las pruebas de escucha y las mediciones basadas en referencias continúan siendo importantes porque un stem que parece estar correctamente separado todavía puede contener texturas poco naturales, transitorios ausentes o restos de instrumentos cercanos.

Dónde pueden ser útiles los stems musicales restaurados

Uno de los usos más prácticos de MSR está relacionado con grabaciones cuyas sesiones multipista originales ya no están disponibles. Un archivo puede conservar un máster estéreo, pero no las cintas independientes ni los archivos de sesión digital con los que se creó. Un sistema de restauración podría generar estimaciones de voces, batería, guitarra y otros stems que permitan a los ingenieros examinar partes concretas de la grabación de forma independiente. Esto puede ayudar en trabajos de reparación, nuevas mezclas o investigaciones sobre técnicas de producción antiguas. La diferencia importante es que estos archivos siguen siendo reconstrucciones. Cuando existe una sesión multipista original, continúa siendo la fuente más fiable porque contiene información que ningún modelo necesita estimar.

Las fuentes reconstruidas por separado también pueden ayudar a musicólogos, profesores y músicos a analizar arreglos. Un estudiante que estudie el ritmo puede concentrarse en la batería, mientras que alguien que transcriba armonías puede beneficiarse de reducir las voces y la percusión. Los productores pueden utilizar stems estimados como referencias al analizar cómo interactúan los instrumentos dentro de una mezcla densa. Técnicas similares pueden ser útiles para la accesibilidad, los materiales de ensayo y determinadas formas de transcripción musical. Estos usos no requieren que el stem reconstruido sea idéntico a la grabación de estudio; requieren una separación y una coherencia musical suficientes para que una persona pueda escuchar una parte con mayor claridad que dentro del máster completo.

También existen posibles aplicaciones en producción, especialmente cuando solo se conserva una grabación final. Un ingeniero puede querer ajustar el equilibrio entre una voz y los instrumentos de acompañamiento, reducir un elemento no deseado o preparar material para una nueva versión autorizada. MSR puede ofrecer un punto de partida más limpio que la extracción convencional de stems cuando los efectos de producción integrados en el máster dificultan el trabajo previsto. Sin embargo, el uso profesional requiere una escucha cuidadosa. Los stems restaurados pueden contener pequeños artefactos que se vuelven más evidentes después de aplicar nueva ecualización, compresión o cambios de ganancia, por lo que una salida que suena aceptable de forma aislada todavía puede necesitar tratamiento manual antes de utilizarse en una nueva mezcla.

Limitaciones, derechos y expectativas realistas

La principal limitación de Music Source Restoration es que la canción terminada no contiene una copia oculta y completa de cada pista original. La mezcla combina señales y algunas operaciones de producción eliminan o transforman información. La limitación puede aplanar los picos, el filtrado puede reducir determinadas frecuencias, los códecs con pérdida pueden descartar datos y varios instrumentos pueden enmascararse entre sí. Un modelo puede realizar una estimación fundamentada a partir de patrones aprendidos de otras grabaciones, pero no puede demostrar que la forma de onda reconstruida sea exactamente la que salió del micrófono o del instrumento años atrás. Por ello, resulta más preciso hablar de un stem restaurado estimado que describirlo como el archivo de estudio original recuperado.

Entre los errores habituales se encuentra el leakage, cuando parte de un instrumento sigue siendo audible en el stem de otro; la pérdida de detalle, cuando el modelo elimina material que realmente pertenece al instrumento objetivo; y la generación de texturas que parecen plausibles, pero no coinciden exactamente con la fuente. La reverberación es especialmente difícil porque sus reflexiones se superponen con sonidos posteriores, mientras que las guitarras distorsionadas y la percusión densa pueden ocupar amplios rangos de frecuencia compartidos con otros instrumentos. Los resultados también dependen de la grabación suministrada al sistema. Un máster limpio y sin pérdidas suele conservar más información útil que una copia de baja tasa de bits que ya ha pasado por codificación adicional o una grabación acústica.

La capacidad técnica también debe diferenciarse del permiso para utilizar una grabación. Crear stems a partir de música protegida por derechos de autor no concede al usuario la propiedad de la composición, la grabación máster ni las interpretaciones que contiene. La creación de remixes comerciales, la redistribución, el entrenamiento de modelos, el sampling y la publicación pueden implicar derechos que varían según la jurisdicción, la licencia y el uso previsto. En trabajos de archivo o producción profesional, la procedencia del material y la autorización deben comprobarse de forma independiente al software utilizado para crear los stems. En 2026, Music Source Restoration se entiende mejor como un método de reconstrucción de audio cada vez más capaz: puede proporcionar estimaciones útiles de voces, batería, guitarras y otras fuentes a partir de una canción terminada, pero los resultados siguen requiriendo criterio técnico, comprobaciones auditivas y expectativas realistas sobre la información que puede haberse perdido de forma irreversible.