---
title: "Musik aus Video entfernen, Stimme behalten | ToolSugar"
description: "Entferne Hintergrundmusik aus einem Video und behalte die Sprache. Die KI läuft in deinem Browser, das Bild bleibt unverändert und nichts wird hochgeladen."
canonical: https://toolsugar.com/tools/musik-aus-video-entfernen
image: https://toolsugar.com/og.png
---

# Musik aus Video entfernen

ToolSugar entfernt Hintergrundmusik aus Videos mit einem MDX-Net-Modell, das direkt in deinem Browser läuft. Die Datei wird also nicht hochgeladen. Du erhältst das Video nur mit der Stimme sowie Stimme und Musik als getrennte MP3-Dateien. Das Bild wird ohne Neucodierung kopiert. Pro Datei sind bis zu 15 Minuten möglich, beim ersten Start lädt der Browser ein 66,8 MB großes Modell.

Läuft auf dem Gerät

## So funktioniert es

1. Wähle ein Video mit bis zu 15 Minuten Länge aus. MP4, MOV, WebM, MKV und AVI werden unterstützt.
2. Starte die Trennung. Beim ersten Mal wird das Modell mit 66,8 MB geladen, danach nutzt der Browser seine gespeicherte Kopie.
3. Lass den Tab geöffnet, während der Ton abschnittsweise getrennt wird.
4. Lade das Video ohne Musik herunter oder nimm Stimme und Musik als einzelne MP3-Dateien.

## Das Wichtigste

- **Modell**: UVR-MDX-NET Voc_FT aus dem Projekt Ultimate Vocal Remover
- **Erster Download**: 66,8 MB, danach im Browser gespeichert
- **Maximale Länge**: 15 Minuten pro Datei
- **Ergebnis**: Video, Stimme als MP3 und Musik als MP3
- **Bild**: H.264 und HEVC werden unverändert kopiert, VP8 und VP9 werden in H.264 umgewandelt
- **Ton im Video**: MP4 mit AAC mit 192 kbit/s, Stereo mit 44,1 kHz
- **Dauer**: Auf einem Apple M4 Pro: etwa 16 s pro Minute Audio mit WebGPU, etwa 3 min 45 s ohne WebGPU

## Typische Anwendungen

- Einen Vortrag oder ein Interview retten, bei dem im Raum Musik lief.
- Die Musik unter einem Sprechertext entfernen, um sie durch eine andere zu ersetzen.
- Ein Video für Untertitel oder Übersetzung vorbereiten, damit die Sprache besser zu verstehen ist.
- Eine ältere Präsentation weiterverwenden, deren lizenzierte Musik nicht mehr drin sein soll.

## Fragen

### Wird mein Video hochgeladen?

Nein. Der Ton wird in deinem Browser-Tab decodiert und getrennt. Aus dem Netz kommen nur das Modell und die Verarbeitungssoftware, beide von öffentlichen CDNs.

### Verschwinden auch Geräusche und Effekte?

Ja. Das Modell unterscheidet nur zwischen Stimme und allem anderen. Türknallen, Verkehr oder Applaus landen also bei der Musik und fehlen im Video.

### Was passiert mit Gesang?

Gesang zählt als Stimme und bleibt im Ergebnis, zusammen mit allem Gesprochenen. Sprache behalten und nur den Gesang entfernen kann dieses Werkzeug nicht.

### Ist das Ergebnis immer ganz sauber?

Nicht immer. Starker Hall, Live-Aufnahmen und Musik, die viel lauter ist als die Stimme, können leise Reste hinterlassen oder die Stimme dünner klingen lassen. Hör dir das Ergebnis vor der Veröffentlichung an.

### Löst das Entfernen der Musik einen Urheberrechtsanspruch?

Nicht automatisch. Erkennungssysteme können trotzdem noch etwas finden, und die Rechte am übrigen Video bleiben gleich. Kläre das im Zweifel mit der Plattform oder den Rechteinhabern.

### Wie lange dauert es?

Gemessen auf einem Apple M4 Pro. Mit WebGPU dauerte eine Minute Audio etwa 16 Sekunden und ein 15-minütiges Video etwa 4,5 Minuten. Ohne WebGPU dauerte eine Minute Audio etwa 3 min 45 s, eine 15-minütige Datei bräuchte also fast eine Stunde. Langsamere Computer brauchen länger, und auf Smartphones haben wir es nicht getestet.

### Welches Modell wird verwendet?

UVR-MDX-NET Voc_FT, ein offenes Modell zur Stimmtrennung. Es läuft direkt im Browser, die Datei bleibt also auf dem Gerät.

## Ähnliche Werkzeuge

- [Remove Music from Video](https://toolsugar.com/tools/remove-music-from-video)
- [Extract Voice from Video](https://toolsugar.com/tools/extract-voice-from-video)
- [Remove Audio](https://toolsugar.com/tools/remove-audio-from-video)
- [Vocal Remover](https://toolsugar.com/tools/vocal-remover)
- [Auto Subtitles](https://toolsugar.com/tools/subtitle-generator)