ツール一式は、素材のファイルから完成したカラオケ動画までの一連の流れをカバーします。動画から音声を取り出し、オンラインエディタで切り詰めやフェードをかけ、テンポを変えずに半音単位で最大±12のピッチ変更やキーの転調を行い、任意のAI分離でボーカルを除去・抽出し、LRCやSRTの取り込みか手入力でタイミングを合わせた歌詞付きのカラオケ動画を作れます。
このプロジェクトの方針は「ブラウザファースト」です。AIを使わない処理はすべて、Web Audio APIを通じて端末上でローカルに実行され、音声・歌詞・動画がどこかにアップロードされることはありません。唯一の例外は任意のAIボーカル分離で、実行前に内容が明示され、利用者が自分で開始したときだけ動き、生成された一時ファイルは後で自動的に削除されます。
巨大なアプリを1つ用意するのではなく、サイトは1ページ1作業の14の専門ツールとして構成されています。各ページは抽出、トリミング、転調、分離、描画など、単一の作業だけを担当し、次の作業が必要なときは隣のツールへ案内します。インターフェースは英語・フランス語・ドイツ語・スペイン語・日本語・韓国語の6言語で、どの言語でも同じ機能が使えます。
書き出しは現実のファイルで、制限も正直に示されます。WAVのダウンロードは常に機能し、MP3はブラウザがエンコーダーを備えているときのみ可能で、その可否はページに表示されます。動画の書き出しはブラウザが提供する最良のエンコーダーを使い、対応環境ではMP4、それ以外ではWebMと明示されます。動画は3分まで、720p・24fpsで、透かしは入りません。
どの機能よりも重い原則があります。アップロードしてよいのは、自分が権利を持つ、または利用が許諾された音楽と歌詞だけです。ツールは与えられた素材を処理しますが、楽曲そのものの権利を与えるものではありません。カラオケ動画やインストを公開する前に、元の楽曲の利用が認められているか必ず確認してください。これは利用者の責任で、各ページの注記にも明記されています。
内部では、閉じたプラグインではなく標準的なウェブ技術を使っています。音声処理はWeb Audio API、録音はMediaRecorder、メディアファイルの解析はオープンソースのMediabunnyライブラリが担います。任意のボーカル分離は、ハイブリッドトランスフォーマーによる音源分離の研究モデル「Demucs」を利用しています。
Karaoke Makerは小さく誠実なプロジェクトです。歌う前に本当に必要なもの——きれいなインスト、声に合ったキー、遅れない歌詞——を中心に作られています。制限があればページに書かれ、任意の工程には任意と表示され、実際以上のものを装うことはありません。それがこのサイトのすべてのツールに課した基準です。