Acerca de StemSplit
Haciendo la separación profesional de audio accesible para todos.
Nuestra Misión
Creemos que todos deberían tener acceso a herramientas de audio profesionales. Ya seas un productor de habitación, entusiasta del karaoke o creador de contenido, StemSplit te da resultados de calidad de estudio sin el presupuesto de estudio. Estamos construyendo públicamente, y tus sugerencias dan forma directamente a nuestra hoja de ruta.
A quién servimos
- Productores musicales y DJs
- Entusiastas del karaoke
- Creadores de contenido y YouTubers
- Creadores de podcasts y editores de audio
- Educadores musicales y estudiantes
- Desarrolladores que crean apps de audio
Construido sobre tecnología seria
StemSplit usa HTDemucs — un modelo hybrid transformer de primer nivel desarrollado por Meta Research y publicado en NeurIPS 2022. El mismo modelo que usan los investigadores, accesible en una interfaz web clara.
Modelo HTDemucs
HTDemucs es un modelo híbrido transformer/convolucional que trabaja a la vez en el dominio de la forma de onda y del espectrograma. Ese enfoque de doble dominio es lo que le da ventaja de precisión frente a modelos solo CNN más antiguos como Demucs v3 o Spleeter.
Exportación ONNX
Exportamos el modelo a formato ONNX — un estándar abierto de interoperabilidad para machine learning. Así corre sin PyTorch: más ligero, más rápido, portable. Los pesos ONNX están en HuggingFace, libres para usar.
Hasta 6 stems
El modo estándar separa el audio en voces, batería, bajo y resto. El modelo de 6 stems aisla además guitarra y piano. Hay variantes fine-tuned (htdemucs_ft) para extraer un solo stem con más precisión.
Sin GPU en tu equipo
El procesamiento ocurre por completo en la nube. Subes un archivo, corremos la inferencia en el servidor y descargas los stems separados. Nada que instalar, ninguna GPU de tu lado.
Quién construyó esto
StemSplit lo construyó un desarrollador solo que se topaba una y otra vez con lo mismo: las herramientas de eliminación de voces existentes se escondían detrás de suscripciones mensuales que olvidas cancelar, o de créditos que caducaban antes de volver a necesitarlos.
El objetivo era simple: construir la herramienta que ya debería existir. Un precio justo por lo que realmente usas, un saldo que no caduca nunca y una calidad suficiente para no probar tres servicios distintos.
Es un producto indie. Sin dinero de VC, sin equipo de growth, sin llamadas de ventas. Solo una herramienta que funciona, con precio honesto, mantenida por alguien que también la usa. La hoja de ruta la marcan los usuarios — una sugerencia de verdad se lee.
Construido en público
El desarrollo ocurre a la vista. Los paquetes están en GitHub, PyPI, npm y HuggingFace. La metodología del benchmark es pública. Cuando algo se rompe, se arregla — y el arreglo se ve.
Más que un sitio web
StemSplit también es una plataforma para desarrolladores. El mismo motor de separación de la app web está disponible por varios canales.
REST API
Acceso programático completo a la separación de stems. Envía jobs, consulta el estado, descarga resultados. Lo usan desarrolladores que construyen sus propias herramientas sobre StemSplit.
Paquete de Python
stemsplit-python en PyPI. Separa en local o llama a la API desde scripts de Python y pipelines de datos.
Herramienta CLI
stemsplit vía Homebrew. Separa archivos de audio desde la terminal con un solo comando. Útil para procesamiento por lotes y scripts de shell.
Nodo n8n
n8n-nodes-stemsplit en npm. Separación de stems arrastrando y soltando en flujos n8n — sin código.
Servidor MCP
stemsplit-mcp en npm. Expone la separación de stems como una herramienta que los agentes de IA (Claude, GPT, etc.) pueden llamar directo por el Model Context Protocol.
Integración con Zapier
Conecta StemSplit a miles de apps vía Zapier. Dispara una separación desde una subida a Google Drive, un correo nuevo, un formulario y más.
Metodología abierta
Construimos y publicamos un dataset de benchmark en HuggingFace que evalúa varias variantes de HTDemucs sobre pistas reales. La evaluación usa el Signal-to-Distortion Ratio (SDR) — la métrica académica estándar de calidad de separación de fuentes — junto con pruebas de escucha en distintos géneros y tipos de stem.
Ver el dataset de benchmark en HuggingFaceEvaluation metric
¿Qué es el SDR?
El SDR (Signal-to-Distortion Ratio) mide en decibelios qué tan limpio separa un modelo una fuente del mix. Más alto es mejor. Es la misma métrica del benchmark SiSEC Music Separation, la evaluación académica de referencia para este problema.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
Por qué cobramos así
La mayoría de las herramientas de audio usan suscripción porque le conviene al negocio — ingresos previsibles incluso de quien casi no entra. No queremos operar así.
StemSplit usa créditos de pago por uso. Compras minutos de procesamiento y no caducan nunca. Una canción al mes, pagas una canción. Un álbum de un tirón, pagas eso. Sin plan al que subir, sin funciones encerradas en un nivel más caro.
El plan gratis da a cada cuenta nueva 5 minutos para probar el producto de verdad — no una vista previa con marca de agua, no un clip de 30 segundos. Cinco minutos enteros de resultado real.
How it works
- Los créditos no caducan nunca — nunca
- Sin suscripción obligatoria
- 5 minutos gratis al registrarte, sin tarjeta
- La misma calidad en cada precio
- Acceso completo a la API incluido
En Qué Creemos
Simplicidad Primero
La tecnología compleja debería ser simple de usar. Sube, procesa, descarga — eso es todo.
Precios Transparentes
Sin suscripciones, sin créditos que expiran. Paga por lo que uses, cuando lo uses.
Construido en Público
Estamos construyendo públicamente con nuestra comunidad. Tus sugerencias y comentarios no solo se escuchan — son nuestra hoja de ruta.