Song hier ablegen
MP3, WAV, FLAC, OGG, M4A — Videodateien gehen auch
Vier Stems aus einem Song
Du legst einen Song ab und bekommst vier Stems zurück: Vocals, Drums, Bass und den Rest — Gitarren, Keys, Synths, Streicher. Vier neuronale Netze analysieren das Spektrogramm, und jedes schätzt, wie viel von jeder Frequenz in jedem Moment zu seinem Instrument gehört. Alle vier Stems haben die Länge des Originals und bleiben synchron, lassen sich also direkt als fertige Session in eine DAW laden.
Was der vierte Stem ist
Drei der vier erklären sich selbst. Der vierte, „Rest“, ist alles, was das Modell nicht einzeln erkennt: Gitarren, Klavier, Synths, Bläser, Streicher, Percussion außerhalb des Schlagzeugs. Das ist kein Abfall im Sinne von Rauschen: Bei den meisten Songs ist es das harmonische Gerüst des Arrangements, und bei einer Gitarrenband der lauteste der vier Stems.
Wofür Stems gut sind
Ein Remix beginnt mit den Einzelspuren. Der Drum-Stem liefert den Groove, auf dem ein neuer Track entsteht, der Bass-Stem die Linie zum Ersetzen oder Verstärken, und die Vocals sind das, was bleiben muss. Wer übt, nutzt es umgekehrt: Bass muten und mit einer echten Band spielen. Und im Video braucht die Hintergrundmusik unter dem Dialog oft weniger Schlagzeug: mit Stems zwei Sekunden Arbeit, ohne sie unmöglich.
Es dauert länger — und zwar genau so lange
Vier Stems heißt vier Modelle statt zwei: 157 MB beim ersten Mal statt 78, und rund dreieinhalb Minuten Rechenzeit für vier Minuten Musik statt etwa einer. Beide Zahlen sind auf einem normalen Laptop gemessen, auf einem Prozessorkern, ohne Grafikkarte. Wenn dir zwei Stems reichen, ist der Vocal Remover deutlich schneller.
Zum Vocal Remover →Der Song verlässt dein Gerät nicht
Wer auf einem Server trennt, muss deinen Song erst hochladen. Hier kommt das Modell zum Song statt umgekehrt: Es wird in deinen Browser geladen, das Audio wird nirgendwohin geschickt.
Stems wieder zusammenmixen
Alle vier Stems landen im Audio-Pool, für den nächsten Schritt brauchst du also keinen Download: ab in den Mixer, den unerwünschten Stem weglassen und den Rest als eine Datei exportieren. So entsteht in etwa einer Minute ein Playback ohne Bass oder eine Version nur aus Drums und Vocals.
Zum Audio Mixer →Häufige Fragen
Vier: Vocals, Drums, Bass und Rest. „Rest“ ist alles, was nicht zu den ersten drei gehört: Gitarren, Keys, Synths, Streicher, sonstige Percussion. Alle vier haben die Länge des Originals und bleiben synchron.
Etwa dreieinhalb Minuten für vier Minuten Musik auf einem normalen Laptop, plus 157 MB für die vier Modelle beim ersten Mal. Ein Prozessorkern, keine Grafikkarte nötig. Zwei Stems sind rund dreimal schneller.
Nein. Die Modelle werden in deinen Browser geladen, und die Trennung läuft auf deinem Gerät. Der Song selbst wird nirgendwohin geschickt.
Gut genug zum Remixen und Üben, kein Ersatz für die Original-Stems. Drums und Bass kommen am saubersten heraus, weil sie eigene Frequenzbereiche haben. Im „Rest“ sammeln sich die Artefakte.
Zehn Minuten pro Datei. Das ist weniger als die Stunde der anderen Tools, weil die Trennung den ganzen Song unkomprimiert im Tab hält, plus einen Puffer pro Stem: bei vier Stems rund 190 MB pro Minute Musik.
Spleeters 4-Stem-Modell, von Deezer unter MIT-Lizenz veröffentlicht, nach ONNX konvertiert und mit onnxruntime im Browser ausgeführt.