Über StemSplit
Professionelle Audiotrennung für jeden zugänglich machen.
Unsere Mission
Wir glauben, dass jeder Zugang zu professionellen Audio-Tools haben sollte. Ob Bedroom-Produzent, Karaoke-Enthusiast oder Content Creator — StemSplit liefert Studioqualität ohne Studiobudget. Wir bauen öffentlich, und eure Vorschläge prägen direkt unsere Roadmap.
Wen wir bedienen
- Musikproduzenten und DJs
- Karaoke-Enthusiasten
- Content Creator und YouTuber
- Podcaster und Audio-Editoren
- Musikpädagogen und Studenten
- Entwickler, die Audio-Apps bauen
Gebaut auf ernsthafter Technik
StemSplit nutzt HTDemucs — ein Hybrid-Transformer-Modell von Meta Research, veröffentlicht auf der NeurIPS 2022. Dasselbe Modell, das Forscher verwenden, zugänglich über eine klare Weboberfläche.
HTDemucs-Modell
HTDemucs ist ein Hybrid aus Transformer und Faltungsnetz, das gleichzeitig in Wellenform und Spektrogramm arbeitet. Dieser Dual-Domain-Ansatz macht es genauer als ältere, rein CNN-basierte Modelle wie Demucs v3 oder Spleeter.
ONNX-Export
Wir exportieren das Modell ins ONNX-Format — einen offenen Standard für Machine-Learning-Interoperabilität. So läuft es ohne PyTorch: leichter, schneller, portabel. Die ONNX-Gewichte liegen auf HuggingFace, frei nutzbar.
Bis zu 6 Stems
Im Standardmodus entstehen Gesang, Schlagzeug, Bass und Rest. Das 6-Stem-Modell trennt zusätzlich Gitarre und Klavier. Feinabgestimmte Varianten (htdemucs_ft) gibt es für die Extraktion einzelner Stems mit höherer Genauigkeit.
Keine GPU nötig
Die Verarbeitung läuft komplett in der Cloud. Sie laden eine Datei hoch, wir rechnen serverseitig, Sie laden die getrennten Stems herunter. Keine Software zum Installieren, keine GPU bei Ihnen.
Wer das gebaut hat
StemSplit stammt von einem Solo-Entwickler, der immer wieder an derselben Stelle hängenblieb: bestehende Tools zur Gesangstrennung steckten hinter Monatsabos, die man vergisst zu kündigen — oder hinter Credits, die ablaufen, bevor man sie wieder braucht.
Das Ziel war schlicht: das Tool bauen, das es schon geben sollte. Fairer Preis für das, was Sie wirklich nutzen, Guthaben das nie verfällt, und eine Qualität, bei der Sie nicht drei Dienste durchprobieren müssen.
Es ist ein Indie-Produkt. Kein VC-Geld, kein Growth-Team, keine Vertriebsanrufe. Nur ein Tool das funktioniert, ehrlich bepreist, gepflegt von jemandem der es selbst benutzt. Die Roadmap kommt von Nutzerinnen und Nutzern — ein Vorschlag wird wirklich gelesen.
Öffentlich gebaut
Die Entwicklung passiert offen. Pakete liegen auf GitHub, PyPI, npm und HuggingFace. Die Benchmark-Methodik ist öffentlich. Wenn etwas kaputtgeht, wird es gefixt — und der Fix ist sichtbar.
Mehr als eine Website
StemSplit ist auch eine Entwicklerplattform. Dieselbe Engine wie in der Web-App erreichen Sie über mehrere Kanäle.
REST API
Voller programmatischer Zugriff auf die Stem-Trennung. Jobs einreichen, Status abfragen, Ergebnisse laden. Genutzt von Entwicklern, die eigene Tools auf StemSplit aufsetzen.
Python-Paket
stemsplit-python auf PyPI. Trennung lokal ausführen oder die API aus Python-Skripten und Datenpipelines aufrufen.
CLI-Werkzeug
stemsplit über Homebrew. Audiodateien mit einem Befehl im Terminal trennen. Praktisch für Stapelverarbeitung und Shell-Skripte.
n8n-Node
n8n-nodes-stemsplit auf npm. Stem-Trennung per Drag-and-drop in n8n-Automationen — ohne Code.
MCP-Server
stemsplit-mcp auf npm. Stem-Trennung als Werkzeug, das KI-Agenten (Claude, GPT usw.) direkt über das Model Context Protocol aufrufen können.
Zapier-Integration
Verbinden Sie StemSplit über Zapier mit Tausenden Apps. Trennung auslösen bei Uploads in Google Drive, neuen E-Mails, Formularen und mehr.
Offene Methodik
Wir haben einen Benchmark-Datensatz auf HuggingFace veröffentlicht, der mehrere HTDemucs-Varianten an echten Musiktracks misst. Die Bewertung nutzt das Signal-to-Distortion Ratio (SDR) — die akademische Standardmetrik für Quellentrennung — plus Hörtests über Genres und Stem-Typen.
Benchmark-Datensatz auf HuggingFace ansehenEvaluation metric
Was ist SDR?
SDR (Signal-to-Distortion Ratio) misst in Dezibel, wie sauber ein Modell eine Zielquelle aus dem Mix löst. Höher ist besser. Es ist dieselbe Metrik wie im SiSEC Music Separation Benchmark, der akademische Standard für dieses Problem.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
Warum wir so abrechnen
Die meisten Audio-Tools setzen auf Abos, weil Abos dem Geschäft nützen — planbare Einnahmen, auch von Leuten die kaum einloggen. So wollen wir nicht arbeiten.
StemSplit rechnet mit Credits nach Verbrauch. Sie kaufen Minuten Rechenzeit, und die verfallen nie. Ein Song im Monat? Sie zahlen einen Song. Ein ganzes Album am Stück? Sie zahlen dafür. Kein Plan zum Upgraden, keine Funktionen hinter einer teureren Stufe.
Der Gratis-Tarif gibt jeder neuen Person 5 Minuten zum echten Ausprobieren — keine Wasserzeichen-Vorschau, kein 30-Sekunden-Clip. Fünf volle Minuten echtes Ergebnis.
How it works
- Credits verfallen nie — wirklich nie
- Kein Abo nötig
- 5 Gratis-Minuten bei der Anmeldung, ohne Karte
- Dieselbe Qualität in jeder Preislage
- Voller API-Zugang inklusive
Woran wir glauben
Einfachheit zuerst
Komplexe Technologie sollte einfach zu bedienen sein. Hochladen, verarbeiten, herunterladen — das war's.
Transparente Preise
Keine Abos, keine verfallenden Credits. Zahle für das, was du nutzt, wenn du es nutzt.
Öffentlich bauen
Wir bauen öffentlich mit unserer Community. Eure Vorschläge und euer Feedback werden nicht nur gehört — sie sind unsere Roadmap.
Häufige Fragen
Bereit es auszuprobieren?
Sieh, warum tausende Nutzer StemSplit wählen.