RemoveVocals 오디오 팀
이 사이트의 모든 툴을 구동하는 오디오 모델을 설계하고 학습시키며 출시하는 엔지니어와 연구원들.
최종 검토: 2026년 4월 10일레아 모로
수석 ML 오디오 엔지니어Léa는 Vocal Remover, Stem Splitter, Audio-to-Lyrics 툴의 머신러닝 작업을 총괄합니다. 스펙트로그램 도메인 신경망 음원 분리를 전문으로 하며, 연구 수준의 모델을 품질 손실 없이 브라우저 내 추론으로 이식하는 파이프라인을 운영합니다. 음악 정보 검색 분야에서 8년간 일했으며, 이전에는 스트리밍 플랫폼 연구소의 오디오 R&D 부서에서 근무했습니다.
줄리앙 베르트랑
DSP 엔지니어Julien은 툴킷의 클래식 DSP 영역을 담당합니다. 페이즈 보코더 피치 변환기, 타임 스트레처, 스펙트럼 감산 노이즈 리듀서, 크로마그램 기반 Key Finder, 온셋 감지 BPM Finder가 그의 작업물입니다. 이전에는 오디오 플러그인 개발자로 C++에서 실시간 DSP를 작성한 10년 경력을 보유하고 있으며, 최근에는 WebAssembly와 AudioWorklets로도 작업하고 있습니다.
카미유 루소
마스터링 & QA 총괄Camille는 청음 패널 및 마스터링 작업을 총괄합니다. 모든 모델 업데이트는 팝, 록, 힙합, 일렉트로닉, 클래식, 스포큰 워드를 아우르는 상업 트랙 레퍼런스 세트를 기준으로 검증됩니다. 또한 AI Mastering 툴의 라우드니스, 트루 피크, 음색 밸런스 목표값을 EBU R128과 스트리밍 플랫폼 기준에 맞게 조정합니다. 마스터링 엔지니어링과 심리음향학 배경을 보유하고 있습니다.
툴 페이지 검토 방식
RemoveVocals의 모든 툴 페이지에는 눈에 잘 띄는 '최종 업데이트' 배지와 검토자 이름이 표시됩니다. 분기별 최소 1회 이상 편집 체크리스트를 재실행하여, 최신 샘플 세트로 모델을 재테스트하고, 정확도 통계가 변경된 경우 업데이트하며, 경쟁사 비교 내용을 갱신하고, dateModified 구조화된 데이터의 해당 필드를 업데이트합니다. 중요한 변경 사항이 있을 경우에는 블로그.
편집 기준
저희는 스폰서 비교를 진행하지 않으며, 리스티클 게재에 대한 대가를 받지 않습니다. 또한 최소 두 가지 상업적 대안과의 블라인드 A/B 청음 테스트를 통과한 경우에만 툴 페이지를 게시합니다. 정확도, 속도, SDR 점수 등의 통계를 제시할 때는 동일한 테스트 파일을 직접 업로드하여 재현할 수 있는 내부 벤치마크에서 도출된 수치입니다.