Spleeter dan Demucs adalah dua model AI open-source paling populer untuk pemisahan stem audio. Tapi mana yang sebenarnya lebih baik? Kami menguji keduanya secara ekstensif untuk memberikan jawaban yang jelas.

TL;DR: Demucs menghasilkan kualitas yang jauh lebih baik, terutama pada campuran kompleks. Spleeter lebih cepat tetapi menunjukkan usianya. Untuk hasil terbaik, gunakan layanan seperti StemSplit yang menjalankan model Demucs terbaru.

Perbandingan Cepat

Panduan Keputusan Cepat

Tidak yakin mana yang harus dipilih? Diagram alur ini akan membantu Anda memutuskan dalam hitungan detik:

Model Yang Dijelaskan

Spleeter (Deezer, 2019)

GitHub Repository

Spleeter adalah revolusioner ketika Deezer merilisnya pada November 2019. Ini adalah pemisah stem berkualitas tinggi pertama yang mudah digunakan dan tersedia untuk semua orang.

Cara kerjanya:

• Menggunakan jaringan neural konvolusional U-Net
• Memproses spektrogram (representasi frekuensi)
• Dilatih pada dataset proprietary Deezer
• Menawarkan mode 2, 4, dan 5 stem

Versi:

• `2stems` - Vokal + iringan
• `4stems` - Vokal, drum, bass, lainnya
• `5stems` - Vokal, drum, bass, piano, lainnya

Demucs (Meta/Facebook, 2019-2024)

GitHub Repository

Demucs dimulai sebagai proyek penelitian di Facebook AI (sekarang Meta) dan telah berkembang secara signifikan melalui beberapa versi.

Cara kerjanya:

• Menggunakan pemrosesan berbasis bentuk gelombang (versi lebih baru)
• Arsitektur transformer hibrid (htdemucs)
• Dilatih pada dataset yang lebih besar dan lebih beragam
• Terus ditingkatkan melalui kompetisi

Versi:

• `demucs` (v1, 2019) - Model bentuk gelombang asli
• `demucs_extra` (v2) - Pelatihan diperluas
• `mdx_extra` (v3) - Pendekatan spektrogram hibrid
• `htdemucs` (v4, 2022) - Transformer hibrid
• `htdemucs_ft` (2023) - Versi yang disetel halus

Perbandingan Kualitas

Kami menguji kedua model pada 50 lagu di berbagai genre. Inilah yang kami temukan:

Metodologi Pengujian: Kami menggunakan 50 lagu yang dicampur secara profesional mencakup beberapa genre. Skor kualitas mewakili persentase stem yang diekstraksi dinilai sebagai "bebas artifact" oleh panel 5 insinyur audio menggunakan monitor studio. Stem dinilai untuk: (1) kebocoran dari sumber lain, (2) artifact frekuensi, (3) masalah fase, dan (4) kejernihan keseluruhan. Semua tes menggunakan Spleeter 4stems dan Demucs htdemucs pada file sumber yang identik.

Isolasi Vokal

Persentase = pemisahan bersih tanpa artifact

Perbedaan Utama

Spleeter menghasilkan:

• Lebih banyak artifact "berair" pada vokal
• Kebocoran bass ke stem lain
• Suara lebih phasing pada campuran kompleks
• Pemrosesan lebih cepat

Demucs menghasilkan:

• Isolasi vokal lebih bersih
• Definisi bass lebih baik
• Lebih sedikit "kilau" artifact
• Suara lebih alami secara keseluruhan

Perbandingan Kecepatan

Waktu pemrosesan untuk lagu 4 menit:

Waktu dapat bervariasi berdasarkan hardware Anda. Kinerja GPU tergantung pada ketersediaan VRAM dan optimisasi CUDA.

Pemenang: Spleeter — jauh lebih cepat, terutama pada sistem CPU saja.

Perbandingan Visual: Trade-off Kualitas-Kecepatan

Inilah bagaimana model dibandingkan ketika Anda memplot kualitas terhadap waktu pemrosesan. Perhatikan bagaimana Demucs memberikan kualitas yang jauh lebih baik untuk investasi waktu yang wajar:

Wawasan Kunci: Demucs htdemucs mencapai sweet spot—kualitas sangat baik tanpa waktu pemrosesan berlebihan. Lompatan kualitas dari Spleeter sepadan dengan tambahan 15-20 detik untuk sebagian besar kasus penggunaan.

Kapan Menggunakan Masing-masing

Gunakan Spleeter ketika:

• Kecepatan lebih penting daripada kualitas — pertunjukan langsung, pratinjau cepat
• Berjalan pada hardware terbatas — CPU lama, tanpa GPU
• Pemrosesan batch ribuan file — arsip, katalogisasi
• Kualitas "cukup baik" — mendengarkan santai, demo kasar

Gunakan Demucs ketika:

• Kualitas adalah prioritas — produksi profesional, rilis
• Bekerja dengan campuran sulit — reverb berat, aransemen kompleks
• Membuat produk akhir — track karaoke, remix, sample
• Kejernihan vokal penting — ekstraksi acapella, transkripsi

Kasus Penggunaan Dunia Nyata

Untuk DJ

Rekomendasi: Demucs

DJ membutuhkan acapella dan instrumental yang bersih. Waktu pemrosesan ekstra sepadan untuk:

• Momen acapella layak drop
• Transisi instrumental bersih
• Materi sumber mashup

Contoh Workflow: Membuat Acapella DJ

1. Gunakan Demucs htdemucs untuk pemisahan awal
2. Bandingkan stem vokal dengan asli untuk mengidentifikasi artifact
3. Terapkan filter high-pass pada 150Hz untuk menghilangkan kebocoran bass
4. Gunakan kompresi ringan (rasio 2:1) untuk meratakan dinamika
5. Periksa koherensi fase jika mixing dengan track lain
6. Ekspor pada sample rate asli (jangan upsample)

Mengapa Demucs: Pemisahan awal yang lebih bersih berarti lebih sedikit pemrosesan korektif, mempertahankan kualitas vokal untuk sistem klub.

Untuk Karaoke

Rekomendasi: Demucs

Karaoke memerlukan penghapusan vokal yang hampir sempurna:

• Jejak vokal minimal
• Instrumental penuh dipertahankan
• Tidak ada artifact yang mengganggu

Untuk Latihan Musik

Rekomendasi: Keduanya berhasil

Jika Anda hanya menghapus instrumen Anda untuk berlatih:

• Spleeter cukup cepat untuk persiapan cepat
• Demucs jika Anda memerlukan stem yang lebih bersih

Untuk Sampling/Produksi

Rekomendasi: Demucs

Kualitas sample secara langsung memengaruhi produksi Anda:

• Break drum yang lebih bersih
• Garis bass yang terisolasi
• Elemen melodi yang dapat digunakan

Contoh Workflow: Mengekstrak Break Drum

1. Pisahkan dengan Demucs menggunakan `--shifts=5` untuk kualitas maksimum
2. Ekstrak stem drum dan identifikasi bagian break yang diinginkan
3. Time-stretch untuk mencocokkan tempo proyek Anda jika perlu
4. Terapkan pembentukan transien lembut untuk mengembalikan punch
5. EQ untuk menghilangkan kebocoran bass/melodi yang tersisa
6. Layer dengan sample Anda sendiri untuk break hibrid

Mengapa Demucs: Isolasi drum superior berarti lebih sedikit masking frekuensi dan transien lebih bersih untuk sampling.

Masalah Umum & Keterbatasan

Memahami kelemahan setiap model membantu Anda mengatasinya:

Spleeter Kesulitan Dengan

• Kebocoran reverb vokal: Pre-reverb dan refleksi ruangan sering tetap di instrumental
• Artifact stereo: Campuran stereo lebar bisa terdengar phasing, hampa
• Kebocoran hi-hat: Simbal sering mengkontaminasi stem vokal
• Kekeruhan bass: Frekuensi rendah mengaburkan antara bass dan stem lainnya
• Aransemen kompleks: Campuran padat dengan konten frekuensi yang tumpang tindih

Demucs Kesulitan Dengan

• Intensif memori: htdemucs_ft memerlukan 8GB+ RAM, dapat crash pada sistem dengan kurang
• Waktu pemrosesan: 4-10x lebih lambat dari Spleeter, terutama pada sistem CPU saja
• Persyaratan GPU: Hasil terbaik memerlukan GPU NVIDIA modern dengan dukungan CUDA
• Lagu panjang: File lebih dari 10 menit dapat mencapai batas memori pada hardware konsumen

Kedua Model Kesulitan Dengan

• Panning ekstrem: Elemen hard-panned dapat membingungkan pemisahan
• Distorsi berat: Audio jenuh/clipped mengurangi kualitas pemisahan
• Rekaman lo-fi: Rekaman sangat lama atau sumber bitrate rendah
• Master padat: Mastering modern brick-walled, sangat terkompresi
• Timbre serupa: Vokal dan synth dalam rentang frekuensi yang sama

Tip Pro: Untuk hasil terbaik, gunakan audio lossless (WAV/FLAC) pada sample rate 44,1kHz—format dimana kedua model dilatih.

Apakah Model Ini Akan Berjalan di Komputer Anda?

Sebelum menginstal, periksa apakah hardware Anda dapat menangani setiap model:

Pemeriksaan Hardware Cepat:

• Punya 4GB RAM? Tetap dengan Spleeter
• Punya 8GB+ RAM tapi tanpa GPU? Spleeter untuk kecepatan, Demucs jika Anda sabar
• Punya 8GB+ RAM dan GPU apa pun? Anda dapat menjalankan keduanya; Demucs direkomendasikan
• Sistem high-end (16GB+ RAM, RTX 3060+)? Demucs htdemucs_ft penuh untuk kualitas terbaik

Jika hardware Anda terbatas, pertimbangkan StemSplit sebagai gantinya—berjalan pada server cloud yang kuat jadi hardware lokal Anda tidak masalah.

Cara Mengakses Model Ini

DIY (Gratis, Teknis)

Spleeter: ```bash

Instalasi (dengan dukungan GPU jika tersedia)

pip install spleeter

Penggunaan dasar - 4 stem (vokal, drum, bass, lainnya)

spleeter separate -p spleeter:4stems -o output audio.mp3

Hanya 2 stem (vokal + iringan) - lebih cepat

spleeter separate -p spleeter:2stems -o output audio.mp3

Pemrosesan batch beberapa file

spleeter separate -p spleeter:4stems -o output *.mp3 ```

Masalah Umum Spleeter:

• Lambat pada CPU: Perilaku yang diharapkan, pertimbangkan versi GPU
• Kesalahan TensorFlow: Coba `pip install tensorflow==2.5.0`
• Download model gagal: Periksa koneksi internet, model diunduh pada run pertama

Demucs: ```bash

Instalasi

pip install demucs

Penggunaan dasar - hanya vokal

demucs --two-stems=vocals audio.mp3

Semua 4 stem (vokal, drum, bass, lainnya)

demucs audio.mp3

Kualitas lebih baik (lebih lambat) - direkomendasikan untuk pekerjaan akhir

demucs -n htdemucs_ft --shifts=5 audio.mp3

Pemrosesan lebih cepat - bagus untuk pratinjau

demucs -n htdemucs --shifts=1 audio.mp3 ```

Masalah Umum Demucs:

• Kehabisan memori: Kurangi nilai `--shifts` atau gunakan `--device cpu`
• Kesalahan CUDA: Perbarui driver GPU atau gunakan `--device cpu`
• Pemrosesan lambat: Normal pada CPU; GPU mempercepat 5-10x

Persyaratan Sistem:

• Python 3.8 atau lebih baru
• 8GB+ RAM (16GB direkomendasikan untuk Demucs)
• GPU dengan dukungan CUDA (opsional tapi direkomendasikan)
• Keakraban dengan command line

Layanan Online (Mudah)

Lewati pengaturan dan gunakan layanan yang menjalankan model ini untuk Anda:

Keputusan

Demucs lebih baik untuk hampir setiap kasus penggunaan. Perbedaan kualitas signifikan dan terlihat, terutama pada:

• Kejernihan vokal
• Pemisahan bass
• Pengurangan artifact
• Aransemen kompleks

Spleeter masih memiliki nilai untuk:

• Aplikasi kritis kecepatan
• Hardware terbatas
• Skenario "cukup baik"

Untuk sebagian besar pengguna, kami merekomendasikan menggunakan layanan seperti StemSplit yang menjalankan model Demucs terbaru tanpa pengaturan teknis. Anda mendapatkan kualitas Demucs tanpa kompleksitas command line.

Coba Pemisahan Kualitas Demucs →

---

Tips untuk Hasil Pemisahan Lebih Baik

Baik Anda memilih Spleeter atau Demucs, teknik ini meningkatkan kualitas output:

Praktik Terbaik Umum

1. Gunakan input lossless: File WAV atau FLAC menghasilkan hasil yang jauh lebih baik daripada MP3/AAC
2. Hindari re-encoding: Jangan pisahkan file yang sudah dipisahkan atau sumber kualitas rendah
3. Cocokkan data pelatihan: Sample rate 44,1kHz optimal (kedua model dilatih pada ini)
4. Normalisasi dengan hati-hati: Audio yang sangat senyap atau clipping dapat berkinerja lebih buruk
5. Simpan asli: Selalu pertahankan file sumber untuk perbandingan

Tips Khusus Demucs

• Gunakan `--shifts=5` untuk kualitas lebih tinggi (memproses dengan 5 shift berbeda dan rata-rata)
• Coba `--overlap=0.5` untuk mengurangi artifact batas antara chunk
• Untuk file panjang gunakan `--segment` untuk memproses dalam chunk lebih kecil
• Bereksperimen dengan model: htdemucs vs htdemucs_ft dapat menghasilkan hasil berbeda
• Gabungkan output: Pengguna lanjutan mencampur hasil dari beberapa model

Tips Khusus Spleeter

• 4stems biasanya mengalahkan 5stems kecuali Anda secara khusus memerlukan piano terisolasi
• Gunakan output WAV: Kualitas lebih baik daripada MP3 untuk pemrosesan lebih lanjut
• Batch dengan bijak: Proses track serupa bersama (genre/era yang sama)

Pasca-Pemrosesan

Setelah pemisahan, pertimbangkan:

• Pembersihan EQ: Hapus gemuruh frekuensi rendah (<50Hz) dari vokal
• Penyelarasan fase: Periksa kompatibilitas mono jika mixing stem
• Pengurangan artifact: Pengurangan noise ringan dapat membersihkan kilau
• Normalisasi: Cocokkan level antara stem yang dipisahkan

---

FAQ

Apakah Spleeter atau Demucs lebih baik untuk penghapusan vokal?

Demucs menghasilkan penghapusan vokal yang jauh lebih baik, dengan skor kualitas 10-15% lebih tinggi dalam pengujian kami. Perbedaannya terutama terlihat pada campuran kompleks dengan reverb.

Bisakah saya menjalankan Demucs di komputer saya?

Ya, tetapi memerlukan Python dan idealnya GPU. Untuk sebagian besar pengguna, layanan online seperti StemSplit lebih mudah dan menghasilkan hasil identik.

Mengapa Spleeter lebih cepat daripada Demucs?

Spleeter menggunakan arsitektur jaringan neural yang lebih sederhana. Pendekatan transformer hibrid Demucs lebih intensif komputasi tetapi menghasilkan hasil lebih baik.

Apakah ada model lebih baik daripada Demucs?

Beberapa model proprietary (seperti LALAL.AI) mengklaim hasil lebih baik pada sumber tertentu. Untuk open-source, Demucs htdemucs_ft saat ini yang terbaik tersedia.

Apakah Spleeter akan diperbarui?

Tidak mungkin. Deezer belum memperbarui Spleeter sejak 2019, dan mereka telah menyatakan itu "feature complete". Demucs melanjutkan pengembangan aktif di Meta.

Seberapa akurat pemisahan stem?

Tidak ada pemisahan yang 100% sempurna. Harapkan isolasi 85-95% tergantung pada kompleksitas materi sumber. Campuran padat dengan konten frekuensi yang tumpang tindih paling sulit dipisahkan. Track yang direkam dengan baik dengan pemisahan instrumental yang jelas bekerja paling baik.

Bisakah saya menggunakan stem yang dipisahkan secara komersial?

Alat (Spleeter/Demucs) gratis untuk digunakan secara komersial di bawah lisensi MIT, tetapi Anda masih memerlukan hak atas musik yang mendasarinya. Memisahkan materi berhak cipta tidak mengubah status hak ciptanya—Anda memerlukan izin dari pemegang hak.

Versi Demucs mana yang harus saya gunakan?

Untuk sebagian besar pengguna: htdemucs menyeimbangkan kualitas dan kecepatan dengan baik. Untuk kualitas terbaik: htdemucs_ft (versi fine-tuned). Untuk hasil lebih cepat: mdx_extra. Jika tidak yakin, mulai dengan htdemucs.

Bisakah saya menjalankan kedua model dan menggabungkan hasilnya?

Ya! Pengguna lanjutan sering memisahkan dengan beberapa model dan memilih stem terbaik untuk setiap elemen. Ini memerlukan keterampilan audio engineering untuk menyelaraskan fase dan level dengan benar. Misalnya, gunakan vokal Demucs dengan drum Spleeter jika salah satu berkinerja lebih baik.

Apakah format file penting?

Tentu saja. Format lossless (WAV, FLAC, AIFF) menyediakan materi sumber lebih baik daripada format terkompresi (MP3, AAC, OGG). MP3 bitrate lebih tinggi (320kbps) bekerja lebih baik daripada bitrate lebih rendah. Model tidak dapat memulihkan informasi yang sudah hilang karena kompresi.

Mengapa beberapa lagu terpisah lebih baik daripada yang lain?

Kualitas pemisahan tergantung pada: (1) Kualitas rekaman, (2) Kepadatan campuran, (3) Tumpang tindih frekuensi antara instrumen, (4) Kompresi mastering, (5) Efek seperti reverb. Rekaman studio yang bersih dan terpisah dengan baik bekerja paling baik. Rekaman langsung atau track yang diproses berat lebih menantang.