Come si recuperano voce, batteria e chitarre da una canzone finita: Music Source Restoration nel 2026

Una canzone finita può sembrare un’unica registrazione continua, ma in origine era composta da una serie di sorgenti musicali separate: voce principale e cori, batteria, basso, chitarre, tastiere, sintetizzatori e altri strumenti. Dopo che queste parti sono state mixate, elaborate e sottoposte a mastering, separarle nuovamente diventa difficile perché le loro frequenze si sovrappongono e gli effetti di studio modificano i segnali originali. La Music Source Restoration, solitamente abbreviata in MSR, affronta una versione più complessa di questo problema. Invece di limitarsi a estrarre la voce o la batteria ancora udibili nel master, la MSR cerca di stimare la sorgente più pulita e meno elaborata che esisteva prima che venisse applicata gran parte della catena di mixaggio e mastering. Le ricerche pubblicate nel 2025 hanno definito la MSR come un’attività audio distinta, mentre i lavori presentati nell’ambito dell’ICASSP 2026 l’hanno trasformata in un settore di ricerca attivo, con benchmark dedicati, sistemi concorrenti e strumenti di ricerca disponibili pubblicamente.

Da un master finito a sorgenti musicali separate

La tradizionale separazione delle sorgenti musicali permette già di prendere una registrazione stereo e stimare diverse parti individuali. Un sistema di separazione può ricevere un singolo file WAV o FLAC e produrre file distinti per voce, batteria, basso e altri strumenti. Questa possibilità è utile, ma presenta un limite importante. La voce estratta conserva normalmente alcune caratteristiche aggiunte durante la produzione. Se il cantante è stato sottoposto a compressione, equalizzazione e riverbero prima della creazione del master finale, un normale modello di separazione tende a estrarre una voce che contiene ancora almeno una parte di queste modifiche. In pratica separa ciò che è presente nella registrazione finita, senza cercare di ricostruire la sorgente precedente utilizzata in studio.

La Music Source Restoration aggiunge un ulteriore obiettivo. Il sistema deve identificare quali suoni appartengono a ciascuna sorgente musicale e, nello stesso tempo, stimare in che modo quei suoni potevano essere differenti prima dell’elaborazione. Si può considerare, ad esempio, una chitarra registrata utilizzando diversi effetti. Le sue frequenze possono essere state modificate con l’equalizzazione, le note più forti e quelle più deboli possono essere state uniformate mediante la compressione e il riverbero può aver collocato lo strumento all’interno di uno spazio acustico artificiale. Successivamente, il master finale può essere sottoposto a ulteriore limiting, elaborazione stereo e codifica con perdita di dati. La MSR considera queste trasformazioni come parte del problema di restauro, invece di supporre che il mix masterizzato sia semplicemente la somma pulita di diversi strumenti.

Questa distinzione è stata formalizzata attraverso le ricerche condotte da Yongyi Zang, Zheqi Dai, Mark D. Plumbley e Qiuqiang Kong. Il loro lavoro originale sulla MSR ha introdotto RawStems, una raccolta annotata che comprende 578 brani e 354,13 ore di materiale sorgente non elaborato, organizzato in otto gruppi principali e 17 gruppi secondari di strumenti. Lo scopo era fornire ai modelli esempi di sorgenti musicali precedenti al tipo di elaborazione normalmente presente in un master commerciale. Nel 2026 il settore era già arrivato a una competizione dedicata nell’ambito dell’ICASSP e a un processo di valutazione più strutturato, rendendo possibile confrontare metodi differenti sullo stesso problema di restauro anziché basarsi soltanto su dimostrazioni selezionate dai singoli gruppi di ricerca.

Che cosa riconosce il sistema in voce, batteria e chitarre

Una voce possiede una combinazione riconoscibile di variazioni di intonazione, formanti, consonanti, respiri e fraseggio. Anche quando il cantante si sovrappone a chitarre, tastiere o piatti della batteria, questi elementi forniscono indizi che un modello di separazione può utilizzare. La difficoltà deriva dal fatto che l’elaborazione modifica tali caratteristiche. La compressione può cambiare il rapporto tra sillabe deboli e note più intense, il riverbero produce copie ritardate della voce e l’equalizzazione può rimuovere o mettere in risalto determinate parti del suo spettro di frequenze. Un sistema MSR, quindi, non si limita a individuare l’energia associata alla voce. Utilizza anche schemi appresi da registrazioni non elaborate per stimare come potrebbe suonare una versione più pulita di quella voce.

La batteria presenta un problema differente. La grancassa produce un forte impatto alle basse frequenze, il rullante contiene un transiente breve seguito da una coda più rumorosa, mentre i piatti possono occupare un’ampia gamma di frequenze alte. Questi suoni sono spesso più facili da riconoscere che da ricostruire con precisione. Una forte compressione del bus può modificare i transienti della batteria, la saturazione può alterarne il contenuto armonico e il riverbero della stanza o quello artificiale può estendere un singolo colpo per un periodo molto più lungo. Le percussioni sono particolarmente difficili perché i suoni brevi possono essere mascherati da altri strumenti e possono condividere intervalli di frequenze simili con hi-hat, piatti, shaker o effetti.

Le chitarre possono variare ancora di più. Una chitarra acustica, una chitarra elettrica pulita e una chitarra elettrica fortemente distorta possono avere caratteristiche sonore molto diverse, pur appartenendo tutte alla stessa famiglia di strumenti. Inoltre, gli accordi occupano contemporaneamente più frequenze e possono sovrapporsi a voce, tastiere e sintetizzatori. Un modello di restauro deve quindi utilizzare sia il suono presente in un determinato momento sia il modo in cui l’informazione musicale cambia nel tempo. Non si limita a cercare una banda di frequenze fissa associata alla chitarra. Stima quali schemi variabili siano più coerenti con l’esecuzione di una chitarra e successivamente ricostruisce quella sorgente cercando di limitare il materiale appartenente ad altri strumenti.

Perché la Music Source Restoration va oltre la normale separazione degli stem

Il modo più semplice per comprendere la differenza consiste nell’immaginare un vecchio mix finito che contiene una voce con un forte riverbero. La separazione tradizionale degli stem può produrre una traccia vocale isolata utile, ma quella voce può continuare a includere la coda riverberata presente nel disco. La MSR tenta di andare oltre, producendo una stima più vicina alla voce prima dell’applicazione dell’effetto. Lo stesso principio vale per batterie modificate dalla compressione, chitarre alterate dall’elaborazione tonale e strumenti influenzati dal mastering. Questo non significa che ogni decisione presa in studio possa essere annullata perfettamente. Il sistema stima le informazioni mancanti utilizzando schemi appresi durante l’addestramento, senza poter ripercorrere al contrario una registrazione esatta della sessione di produzione originale.

Molti degli approcci più avanzati del 2026 suddividono il processo in più fasi. In primo luogo, la registrazione finita viene separata in sorgenti musicali approssimative. Una seconda fase di restauro lavora poi su queste stime e cerca di correggere gli effetti dell’elaborazione produttiva o di altre forme di degradazione. Un sistema presentato nel 2026 utilizzava un separatore BandSplit-RoFormer per stimare otto stem strumentali e un’ulteriore uscita dedicata agli altri suoni, seguita da modelli di restauro specializzati. Un altro sistema sviluppato per la competizione combinava diversi modelli di separazione prima di applicare una ricostruzione mirata alle singole sorgenti. Le architetture sono differenti, ma entrambi gli approcci seguono la stessa idea pratica: identificare uno strumento e restaurarne il suono precedente sono problemi collegati, ma distinti.

I ricercatori stanno inoltre sperimentando ordini differenti per queste operazioni. Alcuni sistemi effettuano prima la separazione e successivamente il restauro, mentre altri studi hanno analizzato la possibilità di migliorare il segnale mixato prima di procedere con la separazione. Questo aspetto è importante perché i danni presenti nella registrazione prima che venga elaborata dal modello possono rendere più difficile il riconoscimento degli strumenti. Un file fortemente compresso o codificato con una qualità bassa può contenere meno dettagli utili rispetto a un master di alta qualità. Nel 2026, quindi, non esiste ancora un’unica procedura MSR valida in ogni situazione. La ricerca attuale sta confrontando diversi metodi per stabilire quale ordine e quale combinazione di separazione, miglioramento e ricostruzione offrano i risultati più affidabili con strumenti e condizioni di registrazione differenti.

Che cosa mostrano nella pratica i risultati della ricerca del 2026

Un passaggio importante verso test più realistici è rappresentato da MSRBench. Questo benchmark è stato creato appositamente per confrontare le sorgenti restaurate con le corrispondenti registrazioni di riferimento non elaborate. Comprende otto categorie principali: voce, chitarra, tastiera, sintetizzatore, basso, batteria, percussioni e orchestra. Tecnici del mixaggio professionisti hanno creato i mix mantenendo accesso ai materiali sorgente precedenti, permettendo ai ricercatori di misurare quanto un’uscita restaurata si avvicini a un riferimento reale, invece di valutare soltanto se uno strumento appare correttamente isolato. Il benchmark comprende inoltre dodici tipi di degradazione aggiuntiva che rappresentano problemi come interferenze acustiche, artefatti tipici dei sistemi analogici e codifica audio con perdita di dati.

La prima MSR Challenge, i cui risultati sono stati riportati nel 2026, mostra sia i progressi raggiunti sia le difficoltà ancora presenti. Alla competizione hanno partecipato cinque squadre. Secondo il riepilogo ufficiale della challenge, il sistema migliore ha raggiunto 4,46 dB nella misura oggettiva Multi-Mel-SNR e ha ottenuto un punteggio medio soggettivo complessivo di 3,47. Le prestazioni sono risultate molto diverse a seconda degli strumenti. Considerando tutti i sistemi presentati, il basso ha registrato una media di 4,59 dB nella misura Multi-Mel-SNR, mentre le percussioni si sono fermate a soli 0,29 dB. Questa differenza è significativa perché dimostra che un singolo valore complessivo non descrive con la stessa accuratezza la qualità del restauro per ogni tipo di materiale musicale.

Questi risultati spiegano anche perché la MSR non dovrebbe essere considerata un sostituto completo delle sessioni multitraccia originali. Una stima convincente del basso non significa che ogni colpo di piatto, risonanza della chitarra o dettaglio dei cori possa essere ricostruito con la stessa precisione. Alcune informazioni musicali diventano difficili da distinguere quando più suoni occupano le stesse frequenze, mentre altri dettagli possono essere ridotti in modo permanente da elaborazioni aggressive o dalla codifica con perdita di dati. La tecnologia sta avanzando rapidamente, ma le prove più solide disponibili nel 2026 descrivono ancora un problema di ricerca aperto. I test d’ascolto e le misurazioni basate su riferimenti continuano a essere importanti perché uno stem che sembra correttamente separato può comunque contenere una texture innaturale, transienti mancanti o tracce di strumenti vicini.

Dove possono essere utili gli stem musicali restaurati

Uno degli impieghi più pratici della MSR riguarda le registrazioni per le quali le sessioni multitraccia originali non sono più disponibili. Un archivio può possedere un master stereo, ma non i nastri separati o i file della sessione digitale da cui è stato creato. Un sistema di restauro può produrre stime della voce, della batteria, della chitarra e di altri stem, consentendo ai tecnici di esaminare singolarmente determinate parti della registrazione. Questo può supportare lavori di riparazione, nuovi mix o ricerche sulle tecniche di produzione del passato. Rimane però fondamentale distinguere questi file dalle sorgenti originali: si tratta di ricostruzioni. Quando esiste una vera registrazione multitraccia, questa resta la fonte più affidabile perché contiene informazioni che nessun modello deve stimare.

Le sorgenti ricostruite separatamente possono essere utili anche a musicologi, insegnanti e musicisti che analizzano gli arrangiamenti. Uno studente che studia il ritmo può concentrarsi sulla parte di batteria, mentre chi trascrive l’armonia può trarre vantaggio dalla riduzione della voce e delle percussioni. I produttori possono utilizzare gli stem stimati come riferimenti per comprendere come gli strumenti interagiscono all’interno di un mix complesso. Tecniche simili possono inoltre aiutare nell’accessibilità, nella preparazione di materiale per le prove e in alcune forme di trascrizione musicale. In questi casi non è necessario che lo stem ricostruito sia identico alla registrazione originale in studio; deve piuttosto garantire una separazione e una coerenza musicale sufficienti per rendere una determinata parte più chiaramente udibile rispetto al master completo.

Esistono anche potenziali applicazioni produttive, soprattutto quando sopravvive soltanto la registrazione finita. Un tecnico può voler modificare il bilanciamento tra la voce e gli strumenti di accompagnamento, ridurre un elemento indesiderato o preparare il materiale per un nuovo arrangiamento autorizzato. La MSR può fornire materiale di partenza più pulito rispetto alla normale estrazione degli stem quando gli effetti di produzione incorporati nel master ostacolano il lavoro previsto. Tuttavia, un utilizzo professionale richiede sempre un ascolto attento. Gli stem restaurati possono contenere piccoli artefatti che diventano più evidenti dopo ulteriori interventi di equalizzazione, compressione o modifica del volume. Per questo motivo, un risultato che sembra accettabile isolatamente può comunque richiedere un trattamento manuale prima di essere inserito in un nuovo mix.

Limiti, diritti e aspettative realistiche

Il limite principale della Music Source Restoration deriva dal fatto che una canzone finita non contiene una copia nascosta e completa di ogni traccia originale. Il mixaggio combina i segnali e alcune operazioni di produzione rimuovono o trasformano determinate informazioni. Il limiting può appiattire i picchi, il filtraggio può ridurre alcune frequenze, i codec con perdita di dati possono eliminare informazioni e diversi strumenti possono mascherarsi a vicenda. Un modello può effettuare una stima informata basandosi sugli schemi appresi da altre registrazioni, ma non può dimostrare che la forma d’onda ricostruita corrisponda esattamente a quella proveniente dal microfono o dall’uscita dello strumento molti anni prima. Per questo motivo è più corretto parlare di stem restaurato stimato piuttosto che di file originale dello studio recuperato.

Tra gli errori più comuni rientra il leakage, cioè la permanenza di una parte di uno strumento all’interno dello stem di un altro; la perdita di dettagli, quando il modello elimina materiale che in realtà appartiene allo strumento di destinazione; e la creazione di texture che risultano plausibili all’ascolto ma non corrispondono esattamente alla sorgente. Il riverbero è particolarmente difficile da trattare perché le sue riflessioni si sovrappongono ai suoni successivi, mentre le chitarre distorte e le percussioni dense possono occupare ampi intervalli di frequenze condivisi con altri strumenti. I risultati dipendono inoltre dalla registrazione fornita al sistema. Un master pulito e senza perdita di dati conserva normalmente più informazioni utili rispetto a una copia a basso bitrate già sottoposta a ulteriore codifica o registrazione acustica.

La possibilità tecnica di separare e restaurare una registrazione deve inoltre essere distinta dall’autorizzazione a utilizzarla. Creare stem a partire da musica protetta dal diritto d’autore non attribuisce automaticamente all’utente la proprietà della composizione, della registrazione master o delle esecuzioni contenute nel brano. Remix commerciali, redistribuzione, addestramento di modelli, campionamento e pubblicazione possono coinvolgere diritti differenti a seconda della giurisdizione, della licenza e dell’utilizzo previsto. Nei lavori archivistici o nelle produzioni professionali è quindi necessario verificare separatamente la provenienza del materiale e le autorizzazioni disponibili, indipendentemente dal software utilizzato per creare gli stem. Nel 2026, la Music Source Restoration può essere considerata una tecnica di ricostruzione audio sempre più avanzata: è in grado di produrre stime utili di voce, batteria, chitarre e altre sorgenti a partire da una canzone finita, ma i risultati richiedono ancora valutazione tecnica, controlli d’ascolto e aspettative realistiche riguardo alle informazioni che potrebbero essere già andate perdute.