StemSplit 소개
전문 오디오 분리를 모두에게 접근 가능하게.
우리의 미션
누구나 전문 오디오 도구를 이용할 수 있어야 한다고 믿습니다. 홈 프로듀서든, karaoke 애호가든, 콘텐츠 크리에이터든, StemSplit은 스튜디오 예산 없이도 스튜디오 수준의 결과물을 제공합니다. 저희는 공개적으로 개발하고 있으며, 여러분의 제안이 직접 로드맵을 만들어갑니다.
대상 고객
- 음악 프로듀서와 DJ
- 노래방 애호가
- 콘텐츠 크리에이터와 YouTuber
- 팟캐스터와 오디오 편집자
- 음악 교육자와 학생
- 오디오 앱을 만드는 개발자
제대로 된 기술 위에 쌓았습니다
StemSplit은 Meta Research가 개발하고 NeurIPS 2022에서 발표한 최신 하이브리드 트랜스포머 모델 HTDemucs를 사용합니다. 연구자들이 쓰는 바로 그 모델을 깔끔한 웹 화면에서 이용할 수 있습니다.
HTDemucs 모델
HTDemucs는 파형 영역과 스펙트로그램 영역을 동시에 다루는 하이브리드 트랜스포머/컨볼루션 모델입니다. 이 이중 영역 방식 덕분에 Demucs v3나 Spleeter 같은 CNN 전용 구형 모델보다 정확도가 높습니다.
ONNX 내보내기
모델을 머신러닝 상호운용을 위한 공개 표준인 ONNX 형식으로 내보냅니다. PyTorch 없이 돌아가므로 더 가볍고 빠르며 이식성이 좋습니다. ONNX 가중치는 HuggingFace에 공개해 누구나 쓸 수 있습니다.
최대 6스템
표준 모드는 오디오를 보컬, 드럼, 베이스, 그 외로 나눕니다. 6스템 모델은 기타와 피아노까지 추가로 분리합니다. 단일 스템을 더 정확하게 뽑는 미세 조정 변형(htdemucs_ft)도 있습니다.
GPU가 필요 없습니다
처리는 전부 클라우드에서 이뤄집니다. 파일을 올리면 서버에서 추론을 돌리고, 분리된 스템을 받습니다. 설치할 소프트웨어도, 이쪽 GPU도 필요 없습니다.
누가 만들었나
StemSplit은 같은 답답함에 계속 부딪힌 1인 개발자가 만들었습니다. 기존 보컬 제거 도구는 해지를 잊기 쉬운 월간 구독 뒤에 숨어 있거나, 다시 쓰기 전에 만료되는 크레딧을 썼습니다.
목표는 단순했습니다. 진작 있어야 했을 도구를 만드는 것. 실제로 쓴 만큼만 공정하게 내고, 잔액은 만료되지 않으며, 품질이 좋아서 서비스를 세 곳씩 돌려 볼 필요가 없는 것.
인디 제품입니다. VC 자금도, 그로스 팀도, 영업 전화도 없습니다. 작동하는 도구를 정직한 가격에, 본인도 쓰는 한 사람이 유지합니다. 로드맵은 사용자가 이끕니다. 제안이 있으면 정말로 읽습니다.
공개 개발
개발은 공개적으로 진행됩니다. 패키지는 GitHub, PyPI, npm, HuggingFace에 올라갑니다. 벤치마크 방법론도 공개입니다. 깨지면 고치고, 그 수정도 보입니다.
웹사이트만이 아닙니다
StemSplit은 개발자 플랫폼이기도 합니다. 웹 앱을 돌리는 바로 그 분리 엔진을 여러 배포 경로로 쓸 수 있습니다.
REST API
스템 분리에 대한 완전한 프로그래밍 접근입니다. 작업을 넣고, 상태를 확인하고, 결과를 받습니다. StemSplit 위에 자기 도구를 올리는 개발자들이 씁니다.
Python 패키지
PyPI의 stemsplit-python입니다. 로컬에서 분리하거나 Python 스크립트와 데이터 파이프라인에서 API를 호출하세요.
CLI 도구
Homebrew의 stemsplit입니다. 터미널에서 명령 하나로 음원을 분리합니다. 일괄 처리와 셸 스크립트에 유용합니다.
n8n 노드
npm의 n8n-nodes-stemsplit입니다. n8n 자동화 워크플로에 드래그 앤 드롭으로 스템 분리를 넣습니다. 코드는 필요 없습니다.
MCP 서버
npm의 stemsplit-mcp입니다. 스템 분리를 Claude, GPT 같은 AI 에이전트가 Model Context Protocol로 바로 호출하는 도구로 엽니다.
Zapier 연동
Zapier로 StemSplit을 수천 개 앱과 연결하세요. Google Drive 업로드, 새 메일, 폼 제출 등에서 분리를 시작할 수 있습니다.
공개된 평가 방법
여러 HTDemucs 모델 변형을 실제 음원으로 평가하는 벤치마크 데이터셋을 HuggingFace에 공개했습니다. 평가는 음원 분리 품질의 학술 표준 지표인 신호 대 왜곡비(SDR)와 함께, 장르와 스템 유형별 청취 테스트를 씁니다.
HuggingFace에서 벤치마크 데이터셋 보기Evaluation metric
SDR이란?
SDR(Signal-to-Distortion Ratio)은 모델이 목표 음원을 믹스에서 얼마나 깨끗하게 분리했는지를 데시벨로 측정합니다. 높을수록 좋습니다. 이 문제의 학술 표준 평가인 SiSEC Music Separation 벤치마크와 같은 지표입니다.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
이렇게 받는 이유
대부분의 오디오 도구가 구독을 쓰는 이유는 사업에 유리하기 때문입니다. 거의 들어오지 않는 사용자에게서도 예측 가능한 매출이 납니다. 우리는 그렇게 운영하고 싶지 않습니다.
StemSplit은 쓴 만큼 내는 크레딧입니다. 처리 시간 분을 사면 만료되지 않습니다. 한 달에 한 곡이면 한 곡분입니다. 앨범을 한꺼번에 돌리면 그만큼입니다. 올릴 요금제도, 상위 요금제 뒤에 가둔 기능도 없습니다.
무료 구간은 신규 사용자에게 5분을 줘 제품을 진짜로 써 보게 합니다. 워터마크 미리보기나 30초 클립이 아닙니다. 실제 결과물 다섯 분입니다.
우리의 가치관
단순함이 먼저
복잡한 기술은 사용하기 쉬워야 합니다. 업로드, 처리, 다운로드 — 그게 전부입니다.
투명한 요금제
구독 없음, 만료되는 크레딧 없음. 사용할 때 사용한 만큼만 결제하세요.
공개적으로 개발
커뮤니티와 함께 공개적으로 개발하고 있습니다. 여러분의 제안과 피드백은 단순히 반영되는 게 아니라 — 저희의 로드맵 그 자체입니다.