Sobre StemSplit
Tornando a separação profissional de áudio acessível para todos.
Nossa Missão
Acreditamos que todos devem ter acesso a ferramentas de áudio profissionais. Seja você um produtor de quarto, entusiasta de karaokê ou criador de conteúdo, StemSplit oferece resultados de qualidade de estúdio sem o orçamento de estúdio. Estamos construindo publicamente, e suas sugestões moldam diretamente nosso roadmap.
Quem atendemos
- Produtores musicais e DJs
- Entusiastas de karaokê
- Criadores de conteúdo e YouTubers
- Podcasters e editores de áudio
- Educadores musicais e estudantes
- Desenvolvedores que criam apps de áudio
Construído com tecnologia de verdade
O StemSplit usa HTDemucs — um modelo híbrido transformer de ponta desenvolvido pela Meta Research e publicado na NeurIPS 2022. É o mesmo modelo que pesquisadores usam, acessível por uma interface web limpa.
Modelo HTDemucs
HTDemucs é um modelo híbrido transformer/convolucional que atua ao mesmo tempo no domínio da forma de onda e no do espectrograma. Essa abordagem de domínio duplo é o que dá a vantagem de precisão sobre modelos mais antigos só de CNN, como Demucs v3 ou Spleeter.
Exportação ONNX
Exportamos o modelo para o formato ONNX — um padrão aberto de interoperabilidade em machine learning. Assim o modelo roda sem PyTorch, ficando mais leve, rápido e portátil. Publicamos os pesos ONNX no HuggingFace para qualquer pessoa usar.
Até 6 stems
O modo padrão separa o áudio em vocais, bateria, baixo e outros. O modelo de 6 stems ainda separa guitarra e piano. Variantes fine-tuned (htdemucs_ft) existem para extração de um único stem com mais precisão.
Sem GPU no seu computador
O processamento acontece inteiro na nuvem. Você envia um arquivo, rodamos a inferência no servidor e você baixa os stems separados. Sem software para instalar, sem GPU do seu lado.
Quem construiu isto
O StemSplit foi feito por um desenvolvedor solo que esbarrava sempre na mesma frustração: as ferramentas de remoção de vocais ou ficavam presas atrás de assinaturas mensais que você esquece de cancelar, ou usavam créditos que venciam antes de você precisar de novo.
A meta era simples — construir a ferramenta que já deveria existir. Uma em que você paga um preço justo pelo que de fato usa, o saldo nunca expira e a qualidade da saída é boa o bastante para você não precisar testar três serviços diferentes.
É um produto independente. Sem dinheiro de VC, sem time de growth, sem ligações de vendas. Só uma ferramenta que funciona, com preço honesto, mantida por uma pessoa que também usa. O roadmap é puxado pelos usuários — se você tem uma sugestão, ela de fato é lida.
Construído em público
O desenvolvimento acontece à vista. Pacotes saem no GitHub, PyPI, npm e HuggingFace. A metodologia do benchmark é pública. Quando algo quebra, a gente corrige e o conserto fica visível.
Mais do que um site
O StemSplit também é uma plataforma para desenvolvedores. O mesmo motor de separação do app web está disponível em vários canais de distribuição.
REST API
Acesso programático completo à separação de stems. Envie jobs, consulte o status, baixe os resultados. Usada por desenvolvedores que constroem as próprias ferramentas em cima do StemSplit.
Pacote Python
stemsplit-python no PyPI. Rode a separação localmente ou chame a API a partir de scripts Python e pipelines de dados.
Ferramenta CLI
stemsplit via Homebrew. Separe arquivos de áudio no terminal com um único comando. Útil para processamento em lote e scripts de shell.
Node n8n
n8n-nodes-stemsplit no npm. Separe stems com arrastar e soltar dentro de fluxos n8n — sem código.
Servidor MCP
stemsplit-mcp no npm. Expõe a separação de stems como uma ferramenta que agentes de IA (Claude, GPT etc.) podem chamar direto via Model Context Protocol.
Integração Zapier
Conecte o StemSplit a milhares de apps via Zapier. Dispare separações a partir de uploads no Google Drive, e-mails novos, envios de formulário e mais.
Metodologia aberta
Montamos e publicamos no HuggingFace um dataset de benchmark que avalia várias variantes do modelo HTDemucs em faixas reais. A avaliação usa Signal-to-Distortion Ratio (SDR) — a métrica acadêmica padrão para qualidade de source separation — junto com testes de escuta em gêneros e tipos de stem diferentes.
Ver o dataset de benchmark no HuggingFaceEvaluation metric
O que é SDR?
SDR (Signal-to-Distortion Ratio) mede, em decibéis, com que limpeza um modelo separa a fonte-alvo da mix. Quanto maior, melhor. É a mesma métrica do benchmark SiSEC Music Separation, a avaliação acadêmica padrão deste problema.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
Por que cobramos deste jeito
A maioria das ferramentas de áudio usa assinatura porque assinatura é boa para o negócio — gera receita previsível até de quem quase não entra. Não é assim que queremos operar.
O StemSplit usa um modelo de créditos no pagamento por uso. Você compra minutos de processamento e eles nunca expiram. Se separar uma música por mês, paga por uma música. Se processar um álbum de uma vez, paga por isso. Não há plano para subir, nem recurso trancado em um nível mais caro.
O plano gratuito dá a cada novo usuário 5 minutos para testar o produto de verdade — sem prévia com marca d'água nem clipe de 30 segundos. Cinco minutos inteiros de saída real.
How it works
- Créditos nunca expiram — nunca mesmo
- Sem assinatura obrigatória
- 5 minutos grátis no cadastro, sem cartão
- A mesma qualidade em qualquer faixa de preço
- Acesso completo à API incluso
No que Acreditamos
Simplicidade Primeiro
Tecnologia complexa deve ser simples de usar. Envie, processe, baixe — é isso.
Preços Transparentes
Sem assinaturas, sem créditos expirando. Pague pelo que usar, quando usar.
Construindo em Público
Estamos construindo publicamente com nossa comunidade. Suas sugestões e feedback não são apenas ouvidos — eles são nosso roadmap.
Perguntas comuns
Pronto para Experimentar?
Veja por que milhares de usuários escolhem StemSplit.