О StemSplit
Делаем профессиональное разделение аудио доступным для всех.
Наша миссия
Мы верим, что у каждого должен быть доступ к профессиональным аудио-инструментам. Bedroom-продюсер, любитель караоке или создатель контента — StemSplit даёт результаты студийного качества без студийного бюджета. Мы разрабатываем открыто, и ваши предложения напрямую формируют наш путь развития.
Кого мы обслуживаем
- Музыкальные продюсеры и DJ
- Любители караоке
- Контент-криейторы и YouTube-блогеры
- Подкастеры и звуковые редакторы
- Музыкальные педагоги и студенты
- Разработчики аудиоприложений
Серьёзная технология внутри
StemSplit использует HTDemucs — современную гибридную трансформер-модель, разработанную Meta Research и опубликованную на NeurIPS 2022. Та же модель, которой пользуются исследователи, доступна через понятный веб-интерфейс.
Модель HTDemucs
HTDemucs — гибридная трансформер/свёрточная модель, которая одновременно работает в волновой и спектрограммной областях. Именно этот двойной подход даёт преимущество в точности над более старыми чисто свёрточными моделями вроде Demucs v3 или Spleeter.
Экспорт в ONNX
Мы экспортируем модель в формат ONNX — открытый стандарт совместимости машинного обучения. Модель работает без PyTorch: легче, быстрее и переносимее. Веса ONNX опубликованы на HuggingFace — ими может пользоваться кто угодно.
До 6 стемов
Стандартный режим разделяет аудио на вокал, ударные, бас и прочее. Модель на 6 стемов дополнительно выделяет гитару и пианино. Дообученные варианты (htdemucs_ft) доступны для извлечения одного стема с более высокой точностью.
GPU не нужен
Обработка полностью в облаке. Вы загружаете файл, мы запускаем инференс на сервере, вы скачиваете разделённые стемы. Ничего не устанавливать, GPU с вашей стороны не требуется.
Кто это сделал
StemSplit собрал соло-разработчик, который устал от одного и того же: существующие инструменты удаления вокала прятались за ежемесячными подписками, о которых забываешь отменить, либо тратили кредиты, которые сгорали раньше, чем они снова понадобятся.
Цель была простой — сделать инструмент, который уже должен был существовать. Платите честно за то, чем реально пользуетесь, баланс не сгорает, а качество такое, что не нужно гонять файл по трём разным сервисам.
Это инди-продукт. Нет венчурных денег, нет команды роста, нет звонков отдела продаж. Просто рабочий инструмент с честной ценой, который поддерживает один человек — и сам им пользуется. Дорожную карту задают пользователи: если есть предложение, его действительно читают.
Разрабатываем открыто
Разработка идёт на виду. Пакеты публикуются на GitHub, PyPI, npm и HuggingFace. Методика бенчмарков открыта. Когда что-то ломается, это чинят — и исправление видно.
Не только сайт
StemSplit — ещё и платформа для разработчиков. Тот же движок разделения, что в веб-приложении, доступен через несколько каналов дистрибуции.
REST API
Полный программный доступ к разделению стемов. Отправляйте задачи, проверяйте статус, скачивайте результат. Им пользуются разработчики, которые строят свои инструменты поверх StemSplit.
Пакет Python
stemsplit-python на PyPI. Запускайте разделение локально или вызывайте API из скриптов Python и конвейеров данных.
Инструмент CLI
stemsplit через Homebrew. Разделяйте аудиофайлы из терминала одной командой. Удобно для пакетной обработки и shell-скриптов.
Узел n8n
n8n-nodes-stemsplit на npm. Перетащите разделение стемов в автоматизации n8n — код не нужен.
Сервер MCP
stemsplit-mcp на npm. Откройте разделение стемов как инструмент, который ИИ-агенты (Claude, GPT и другие) вызывают напрямую через Model Context Protocol.
Интеграция Zapier
Подключите StemSplit к тысячам приложений через Zapier. Запускайте разделение с загрузок Google Drive, новых писем, отправок форм и не только.
Открытая методика
Мы собрали и опубликовали на HuggingFace бенчмарк-датасет, который оценивает несколько вариантов модели HTDemucs на реальных музыкальных треках. Оценка использует отношение сигнал/искажения (SDR) — стандартную академическую метрику качества разделения источников — плюс прослушивания по разным жанрам и типам стемов.
Смотреть бенчмарк-датасет на HuggingFaceEvaluation metric
Что такое SDR?
SDR (Signal-to-Distortion Ratio) показывает, насколько чисто модель отделяет целевой источник от микса, в децибелах. Чем выше, тем лучше. Та же метрика используется в бенчмарке SiSEC Music Separation — стандартной академической оценке этой задачи.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
Почему мы берём деньги так
Большинство аудиоинструментов живёт на подписках, потому что подписки выгодны бизнесу — предсказуемая выручка даже от тех, кто почти не заходит. Мы так работать не хотим.
У StemSplit модель оплаты по факту: покупаете минуты обработки, и они не сгорают. Разделили одну песню в месяц — заплатили за одну. Обработали альбом пакетом — заплатили за него. Нет тарифа, на который надо переходить, нет функций за более дорогим уровнем.
Бесплатный уровень даёт каждому новому пользователю 5 минут, чтобы попробовать продукт по-настоящему — не превью с водяным знаком и не 30-секундный обрезок. Пять полных минут настоящего результата.
How it works
- Кредиты не сгорают — никогда
- Подписка не требуется
- 5 минут бесплатно при регистрации, карта не нужна
- Одно и то же качество на любой цене
- Полный доступ к API включён
Во что мы верим
Простота прежде всего
Сложные технологии должны быть просты в использовании. Загрузить, обработать, скачать — всё.
Прозрачное ценообразование
Без подписок, без сгорающих кредитов. Платите за то, что используете, когда используете.
Открытая разработка
Мы разрабатываем открыто вместе с нашим сообществом. Ваши предложения и отзывы не просто услышаны — они и есть наш путь развития.
Частые вопросы
Готовы попробовать?
Узнайте, почему тысячи пользователей выбирают StemSplit.