Kostenloser KI Stem Splitter

Was ist ein Stem Splitter?

Ein Stem ist ein Teil eines fertigen Songs für sich allein: der Gesang, die Drums, der Bass, alles andere. Produzenten bekommen Stems aus der Session, wenn sie jede Gruppe von Spuren als eigene Datei exportieren. Hast du nur die fertige Stereodatei, kannst du mit einem Stem Splitter, auch Stem Separator oder Stem Extractor genannt, die Stems daraus trennen: Ein neuronales Netz schätzt diese Teile ab.

Bei uns bekommst du in Fast vier Stems. Vocals sind die Lead- und Backing-Stimmen. Drums sind das Schlagzeug und die Percussion. Bass ist die tiefe Linie, ob E-Bass oder Synth. Other ist alles, was übrig bleibt: Gitarren, Keys, Pads, Streicher, Bläser und Effekte. In HQ kommen Gitarre und Piano als eigene Stems heraus, in Other bleibt also nur der Rest. Dasselbe suchen Leute auch als Song Splitter, Musik-Separator oder Audio-Separator. Wenn du nur Gesang und Instrumente trennen willst, erledigen das die Seiten Vocal Remover und Acapella in einem Schritt.

Was Produzenten mit Stems machen

Remix und Bootleg: Den Gesang behalten und alles darunter neu bauen. Sampling: Einen Drum-Break oder eine Basslinie herausholen, ohne dass der Rest des Tracks im Weg ist. DJ-Sets: Den Gesang stummschalten, um zwei Songs zu überblenden, oder nur Drums und Bass für einen langen Übergang behalten. Lernen: Den Bass einer Platte, die du liebst, solo hören und sehen, was er wirklich spielt.

Stems helfen auch beim Mitspielen. Schaltest du die Drums stumm, hast du einen Drum Remover, schaltest du den Bass stumm, einen Bass Remover. So spielst du diesen Part selbst zum Rest der Platte. Mit HQ kannst du auch nur die Gitarre oder nur das Piano stummschalten und den Part selbst übernehmen. Du bekommst die einzelnen Teile, ohne jemanden um die Session-Dateien zu bitten.

KI-Stem-Trennung einfach erklärt

Fast nutzt Demucs v4, den hybriden Transformer des KI-Forschungsteams von Meta, als Open Source veröffentlicht. Er betrachtet den Song gleichzeitig auf zwei Arten, als Wellenform und als Spektrogramm, und lernt, jeden Stem aus dem, was er hört, vorherzusagen. Trainiert wurde er mit Mehrspuraufnahmen, bei denen die Stems bekannt sind. So hat er gelernt, wie eine Stimme, eine Snare oder eine Basslinie in einem Mix aussehen.

HQ nutzt BS-RoFormer, ein neueres Design, das das Spektrogramm in Frequenzbänder teilt und einen Transformer jedes Band über die Zeit und über die Bänder hinweg verfolgen lässt. Das Modell, das wir betreiben, hat sechs Stems und wird offen von Leuten geteilt, die an Musiktrennung arbeiten. In öffentlichen Benchmarks erzielt diese Art von Modell höhere Werte als Demucs v4. Der Preis sind Größe und Zeit.

Wir führen beide mit ONNX Runtime Web aus, auf deiner Grafikkarte, wenn der Browser WebGPU hat (aktuelles Chrome und Edge), was HQ braucht. Fast kann auch auf dem Prozessor laufen, was langsamer ist. Der Song wird in überlappende Fenster geschnitten, etwa acht Sekunden in Fast und vier in HQ, und überblendet, damit du keine Nähte hörst. Dein Browser lädt ein Modell einmal herunter und behält es.

Wie gut sind die Stems?

Gut, aber nicht perfekt. Demucs v4 ist ein bekanntes offenes Modell, auf dem viele Tools aufbauen. Die Forschung zur Trennung entwickelt sich aber schnell, und neuere Modelle erzielen in Benchmarks höhere Werte. Deshalb haben wir HQ ergänzt. In der Praxis ist ein sauberer Stem für Remixe, zum Üben und als Referenz sehr gut brauchbar. Bei schwierigeren Fällen hörst du die Grenzen: Hallfahnen eines Gesangs können im Other-Stem landen, Becken können dort durchsickern, und ein sehr dichter Mix hinterlässt leise Spuren eines Stems in einem anderen.

In unseren Tests blieben die vier Fast-Stems zusammengemischt sehr nah am Originalsong, die Trennung wirft also keinen Klang weg. HQ schätzt jeden Stem für sich, daher ergeben seine sechs Stems den Song etwas weniger exakt. Bei einem Song mit gesungenem Gesang war sein Vocal-Stem zwischen den Phrasen deutlich sauberer als der von Fast. Ein Stem aus einem fertigen Song wird nie so sauber sein wie derselbe Stem aus der Original-Session. Das sagen wir dir lieber, als es zu versprechen.

Tipps für sauberere Stems

Starte mit der besten Datei, die du hast. Eine WAV-, FLAC- oder hochbitratige Datei lässt sich besser trennen als eine MP3 mit niedriger Bitrate, weil die Kompression Details verschmiert, die das Modell braucht. Verzichte vorher auf zusätzliches Limiting und lege keine Datei ab, die schon durch einen Stem Splitter gelaufen ist. Wenn Fast Spuren hinterlässt, die dir nicht gefallen, lass denselben Song noch einmal in HQ laufen.

Wenn du samplest, hör dir die Stems zuerst zusammen an: Alle zusammen sollten wie der Song klingen. Dann nimm den Stem solo, den du brauchst, und bearbeite ihn wie jedes Sample, etwa mit einem sanften Hochpass auf Drums oder einer kurzen Ausblendung am Schnitt. Ist ein Stem fast richtig, lege einen selbst gespielten Part darüber, dann verschwinden die Reste.

Kostenlos, privat und in der Beta

Die Trennung passiert auf deinem Gerät. Sie kostet uns also nichts pro Song, und wir können sie kostenlos lassen. Es gibt keine Anmeldung, keinen Credit-Zähler und kein Tageslimit. Die Grenzen sind dein eigenes Gerät und die Länge des Songs: 10 Minuten in Fast und 6 in HQ. Dein Song wird nie hochgeladen. Was wir einmal herunterladen, ist der Code, der die Modelle ausführt, und das Modell, das du wählst (85 MB für Fast, 353 MB für HQ), von öffentlichen Hosts.

Es ist eine Beta: Es funktioniert, aber manche Geräte werden langsam sein. Wenn es bei deinem Song nicht klappt, schreib an info@obra.art.