Spleeter и Demucs — две самые популярные open-source AI-модели для разделения аудио стемов. Но какая действительно лучше? Мы тщательно протестировали обе, чтобы дать вам четкий ответ.

TL;DR: Demucs производит заметно лучшее качество, особенно на сложных миксах. Spleeter быстрее, но показывает свой возраст. Для лучших результатов используйте сервисы вроде StemSplit, которые запускают последние модели Demucs.

Быстрое сравнение

Быстрое руководство по выбору

Не уверены, что выбрать? Эта блок-схема поможет вам решить за секунды:

Объяснение моделей

Spleeter (Deezer, 2019)

GitHub Repository

Spleeter был революционным, когда Deezer выпустил его в ноябре 2019 года. Это был первый высококачественный, простой в использовании сепаратор стемов, доступный всем.

Как работает:

• Использует сверточную нейронную сеть U-Net
• Обрабатывает спектрограммы (частотные представления)
• Обучен на проприетарном датасете Deezer
• Предлагает режимы 2, 4 и 5 стемов

Версии:

• `2stems` - Вокал + аккомпанемент
• `4stems` - Вокал, ударные, бас, прочее
• `5stems` - Вокал, ударные, бас, фортепиано, прочее

Demucs (Meta/Facebook, 2019-2024)

GitHub Repository

Demucs начался как исследовательский проект в Facebook AI (теперь Meta) и значительно эволюционировал через несколько версий.

Как работает:

• Использует обработку на основе волновых форм (новые версии)
• Гибридная трансформерная архитектура (htdemucs)
• Обучен на больших, более разнообразных датасетах
• Постоянно улучшается через конкуренцию

Версии:

• `demucs` (v1, 2019) - Оригинальная модель волновых форм
• `demucs_extra` (v2) - Расширенное обучение
• `mdx_extra` (v3) - Гибридный подход со спектрограммами
• `htdemucs` (v4, 2022) - Гибридный трансформер
• `htdemucs_ft` (2023) - Тонко настроенная версия

Сравнение качества

Мы протестировали обе модели на 50 песнях разных жанров. Вот что мы обнаружили:

Методология тестирования: Мы использовали 50 профессионально сведенных песен, охватывающих множество жанров. Оценки качества представляют процент извлеченных стемов, оцененных как "без артефактов" панелью из 5 звукорежиссеров с использованием студийных мониторов. Стемы оценивались по: (1) утечке из других источников, (2) частотным артефактам, (3) фазовым проблемам и (4) общей четкости. Все тесты использовали Spleeter 4stems и Demucs htdemucs на идентичных исходных файлах.

Изоляция вокала

Процент = чистое разделение без артефактов

Ключевые отличия

Spleeter производит:

• Больше "водянистых" артефактов на вокале
• Утечку баса в другие стемы
• Более фазированный звук на сложных миксах
• Более быструю обработку

Demucs производит:

• Более чистую изоляцию вокала
• Лучшую четкость баса
• Меньше "мерцания" артефактов
• Более естественный звук в целом

Сравнение скорости

Время обработки для 4-минутной песни:

Время может варьироваться в зависимости от вашего оборудования. Производительность GPU зависит от доступности VRAM и оптимизации CUDA.

Победитель: Spleeter — значительно быстрее, особенно на системах только с CPU.

Визуальное сравнение: Компромисс качество-скорость

Вот как модели сравниваются, когда вы строите график качества против времени обработки. Обратите внимание, как Demucs обеспечивает значительно лучшее качество за разумные временные затраты:

Ключевой вывод: Demucs htdemucs попадает в золотую середину—отличное качество без чрезмерного времени обработки. Скачок качества от Spleeter стоит дополнительных 15-20 секунд для большинства случаев использования.

Когда использовать каждую

Используйте Spleeter когда:

• Скорость важнее качества — живое выступление, быстрые превью
• Работа на ограниченном оборудовании — старый CPU, нет GPU
• Пакетная обработка тысяч файлов — архивы, каталогизация
• Качество "достаточно хорошо" — случайное прослушивание, черновые демо

Используйте Demucs когда:

• Качество в приоритете — профессиональная продукция, релизы
• Работа со сложными миксами — сильный ревер, сложные аранжировки
• Создание финальных продуктов — караоке-треки, ремиксы, сэмплы
• Важна четкость вокала — извлечение акапеллы, транскрипция

Реальные случаи использования

Для диджеев

Рекомендация: Demucs

Диджеям нужны чистые акапеллы и инструменталы. Дополнительное время обработки стоит того для:

• Дроп-достойных акапелла-моментов
• Чистых инструментальных переходов
• Исходного материала для мэшапов

Пример рабочего процесса: Создание диджейской акапеллы

1. Используйте Demucs htdemucs для начального разделения
2. Сравните вокальный стем с оригиналом для выявления артефактов
3. Примените фильтр высоких частот на 150Гц для устранения утечки баса
4. Используйте легкую компрессию (соотношение 2:1) для выравнивания динамики
5. Проверьте фазовую когерентность при сведении с другими треками
6. Экспортируйте с исходной частотой дискретизации (не делайте апсэмплинг)

Почему Demucs: Более чистое начальное разделение означает меньше корректирующей обработки, сохраняя качество вокала для клубных систем.

Для караоке

Рекомендация: Demucs

Караоке требует почти идеального удаления вокала:

• Минимальные вокальные следы
• Полностью сохраненный инструментал
• Нет отвлекающих артефактов

Для музыкальной практики

Рекомендация: Оба работают

Если вы просто удаляете свой инструмент для практики:

• Spleeter достаточно быстрый для быстрой подготовки
• Demucs если вам нужны более чистые стемы

Для сэмплирования/продакшна

Рекомендация: Demucs

Качество сэмплов напрямую влияет на вашу продукцию:

• Более чистые брейки ударных
• Изолированные басовые линии
• Используемые мелодические элементы

Пример рабочего процесса: Извлечение брейков ударных

1. Разделите с Demucs используя `--shifts=5` для максимального качества
2. Извлеките стем ударных и определите желаемую секцию брейка
3. Time-stretch для соответствия темпу вашего проекта при необходимости
4. Примените мягкое формирование транзиентов для восстановления панча
5. EQ для удаления оставшейся утечки баса/мелодии
6. Наложите с вашими собственными сэмплами для гибридных брейков

Почему Demucs: Превосходная изоляция ударных означает меньше частотного маскирования и более чистые транзиенты для сэмплирования.

Общие проблемы и ограничения

Понимание слабостей каждой модели помогает их обходить:

Spleeter испытывает трудности с

• Утечкой вокального ревера: Пре-ревер и отражения комнаты часто остаются в инструментале
• Стерео-артефактами: Широкие стерео-миксы могут звучать фазировано, пусто
• Утечкой хай-хэта: Тарелки часто загрязняют вокальные стемы
• Мутностью баса: Низкие частоты размываются между басом и другими стемами
• Сложными аранжировками: Плотные миксы с перекрывающимся частотным контентом

Demucs испытывает трудности с

• Интенсивностью памяти: htdemucs_ft требует 8ГБ+ RAM, может вылетать на системах с меньшим объемом
• Временем обработки: 4-10x медленнее Spleeter, особенно на системах только с CPU
• Требованиями GPU: Лучшие результаты требуют современной NVIDIA GPU с поддержкой CUDA
• Длинными песнями: Файлы длиннее 10 минут могут достигать лимитов памяти на потребительском оборудовании

Обе модели испытывают трудности с

• Экстремальным панорамированием: Жестко панорамированные элементы могут запутать разделение
• Сильным искажением: Насыщенное/клиппированное аудио снижает качество разделения
• Lo-fi записями: Очень старые записи или источники с низким битрейтом
• Плотными мастерами: Современный brick-walled, сильно сжатый мастеринг
• Похожими тембрами: Вокал и синты в одном частотном диапазоне

Профессиональный совет: Для лучших результатов используйте lossless аудио (WAV/FLAC) с частотой дискретизации 44,1кГц—формат, на котором обучались обе модели.

Будут ли эти модели работать на вашем компьютере?

Перед установкой проверьте, справится ли ваше оборудование с каждой моделью:

Быстрая проверка оборудования:

• Есть 4ГБ RAM? Оставайтесь со Spleeter
• Есть 8ГБ+ RAM но нет GPU? Spleeter для скорости, Demucs если вы терпеливы
• Есть 8ГБ+ RAM и любая GPU? Вы можете запустить обе; рекомендуется Demucs
• Высокопроизводительная система (16ГБ+ RAM, RTX 3060+)? Полный Demucs htdemucs_ft для лучшего качества

Если ваше оборудование ограничено, рассмотрите StemSplit вместо этого—он работает на мощных облачных серверах, поэтому ваше локальное оборудование не имеет значения.

Как получить доступ к этим моделям

DIY (Бесплатно, Технически)

Spleeter: ```bash

Установка (с поддержкой GPU если доступна)

pip install spleeter

Базовое использование - 4 стема (вокал, ударные, бас, прочее)

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

Только 2 стема (вокал + аккомпанемент) - быстрее

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

Пакетная обработка нескольких файлов

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

Общие проблемы Spleeter:

• Медленно на CPU: Ожидаемое поведение, рассмотрите GPU версию
• Ошибки TensorFlow: Попробуйте `pip install tensorflow==2.5.0`
• Сбой загрузки модели: Проверьте интернет-соединение, модели загружаются при первом запуске

Demucs: ```bash

Установка

pip install demucs

Базовое использование - только вокал

demucs --two-stems=vocals audio.mp3

Все 4 стема (вокал, ударные, бас, прочее)

demucs audio.mp3

Лучшее качество (медленнее) - рекомендуется для финальной работы

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

Более быстрая обработка - хорошо для превью

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

Общие проблемы Demucs:

• Нехватка памяти: Уменьшите значение `--shifts` или используйте `--device cpu`
• Ошибки CUDA: Обновите драйверы GPU или используйте `--device cpu`
• Медленная обработка: Нормально на CPU; GPU ускоряет в 5-10 раз

Системные требования:

• Python 3.8 или новее
• 8ГБ+ RAM (16ГБ рекомендуется для Demucs)
• GPU с поддержкой CUDA (опционально но рекомендуется)
• Знакомство с командной строкой

Онлайн-сервисы (Легко)

Пропустите настройку и используйте сервисы, которые запускают эти модели для вас:

Вердикт

Demucs лучше почти для любого случая использования. Разница в качестве значительна и заметна, особенно в:

• Четкости вокала
• Разделении баса
• Уменьшении артефактов
• Сложных аранжировках

Spleeter все еще имеет ценность для:

• Критичных по скорости приложений
• Ограниченного оборудования
• Сценариев "достаточно хорошо"

Для большинства пользователей мы рекомендуем использовать сервис вроде StemSplit, который запускает последние модели Demucs без технической настройки. Вы получаете качество Demucs без сложности командной строки.

Попробуйте разделение качества Demucs →

---

Советы для лучших результатов разделения

Независимо от того, выбираете ли вы Spleeter или Demucs, эти техники улучшают качество вывода:

Общие лучшие практики

1. Используйте lossless ввод: WAV или FLAC файлы дают заметно лучшие результаты, чем MP3/AAC
2. Избегайте пере-кодирования: Не разделяйте уже разделенные файлы или источники низкого качества
3. Соответствуйте обучающим данным: Частота дискретизации 44,1кГц оптимальна (обе модели обучены на этом)
4. Нормализуйте осторожно: Чрезвычайно тихое или клиппирующее аудио может работать хуже
5. Сохраняйте оригиналы: Всегда сохраняйте исходные файлы для сравнения

Специфичные советы для Demucs

• Используйте `--shifts=5` для более высокого качества (обрабатывает с 5 различными сдвигами и усредняет)
• Попробуйте `--overlap=0.5` для уменьшения граничных артефактов между чанками
• Для длинных файлов используйте `--segment` для обработки меньшими чанками
• Экспериментируйте с моделями: htdemucs vs htdemucs_ft могут давать разные результаты
• Комбинируйте выводы: Продвинутые пользователи смешивают результаты нескольких моделей

Специфичные советы для Spleeter

• 4stems обычно превосходит 5stems если вам специально не нужно изолированное фортепиано
• Используйте вывод WAV: Лучшее качество, чем MP3 для дальнейшей обработки
• Пакет мудро: Обрабатывайте похожие треки вместе (один жанр/эра)

Пост-обработка

После разделения рассмотрите:

• Очистку EQ: Удалите низкочастотный гул (<50Гц) из вокала
• Выравнивание фаз: Проверьте моно-совместимость при сведении стемов
• Уменьшение артефактов: Легкое шумоподавление может очистить мерцание
• Нормализацию: Выровняйте уровни между разделенными стемами

---

FAQ

Spleeter или Demucs лучше для удаления вокала?

Demucs производит значительно лучшее удаление вокала, с оценками качества на 10-15% выше в наших тестах. Разница особенно заметна на сложных миксах с ревербом.

Могу ли я запустить Demucs на своем компьютере?

Да, но требуется Python и желательно GPU. Для большинства пользователей онлайн-сервисы вроде StemSplit проще и дают идентичные результаты.

Почему Spleeter быстрее Demucs?

Spleeter использует более простую архитектуру нейронной сети. Гибридный трансформерный подход Demucs более вычислительно интенсивен, но дает лучшие результаты.

Есть ли модели лучше Demucs?

Некоторые проприетарные модели (как у LALAL.AI) заявляют лучшие результаты на специфичных источниках. Для open-source Demucs htdemucs_ft в настоящее время лучший доступный.

Будет ли Spleeter обновлен?

Маловероятно. Deezer не обновлял Spleeter с 2019 года, и они заявили, что он "feature complete". Demucs продолжает активную разработку в Meta.

Насколько точны разделения стемов?

Никакое разделение не идеально на 100%. Ожидайте 85-95% изоляции в зависимости от сложности исходного материала. Плотные миксы с перекрывающимся частотным контентом сложнее всего разделить. Хорошо записанные треки с четким разделением инструментов работают лучше всего.

Могу ли я использовать разделенные стемы коммерчески?

Инструменты (Spleeter/Demucs) свободны для коммерческого использования под лицензией MIT, но вам все еще нужны права на базовую музыку. Разделение материала, защищенного авторским правом, не меняет его статус авторского права—вам нужно разрешение правообладателей.

Какую версию Demucs мне использовать?

Для большинства пользователей: htdemucs хорошо балансирует качество и скорость. Для лучшего качества: htdemucs_ft (тонко настроенная версия). Для более быстрых результатов: mdx_extra. Если не уверены, начните с htdemucs.

Могу ли я запустить обе модели и скомбинировать результаты?

Да! Продвинутые пользователи часто разделяют несколькими моделями и выбирают лучшие стемы для каждого элемента. Это требует навыков звукорежиссуры для правильного выравнивания фаз и уровней. Например, используйте вокал Demucs с ударными Spleeter, если один работает лучше.

Имеет ли значение формат файла?

Абсолютно. Lossless форматы (WAV, FLAC, AIFF) предоставляют лучший исходный материал, чем сжатые форматы (MP3, AAC, OGG). MP3 более высокого битрейта (320кбит/с) работают лучше, чем более низкие битрейты. Модели не могут восстановить информацию, уже потерянную из-за сжатия.

Почему некоторые песни разделяются лучше других?

Качество разделения зависит от: (1) Качества записи, (2) Плотности микса, (3) Перекрывания частот между инструментами, (4) Компрессии мастеринга, (5) Эффектов вроде ревера. Чистые, хорошо разделенные студийные записи работают лучше всего. Живые записи или сильно обработанные треки более сложны.