Hakkımızda
StemSplit'te, profesyonel ses işlemeyi herkese erişilebilir kılıyoruz.
Misyonumuz
Herkesin profesyonel ses araçlarına erişimi olması gerektiğine inanıyoruz. İster ev stüdyosu prodüktörü, ister karaoke tutkunu, ister içerik üreticisi ol, StemSplit sana stüdyo bütçesi olmadan stüdyo kalitesinde sonuçlar sunar. Herkese açık olarak inşa ediyoruz ve önerilerin doğrudan yol haritamızı şekillendiriyor.
Kimlere hizmet ediyoruz
- Müzik prodüktörleri ve DJ'ler
- Karaoke tutkunları
- İçerik üreticileri ve YouTuber'lar
- Podcast yapımcıları ve ses editörleri
- Müzik eğitimcileri ve öğrenciler
- Ses uygulamaları geliştiren yazılımcılar
Ciddi teknoloji üzerine kurulu
StemSplit, Meta Research tarafından geliştirilen ve NeurIPS 2022'de yayımlanan son teknoloji hibrit transformer modeli HTDemucs'u kullanır. Araştırmacıların kullandığı modelin ta kendisi; temiz bir web arayüzüyle erişilebilir.
HTDemucs modeli
HTDemucs, hem dalga formu hem spektrogram alanında aynı anda çalışan hibrit bir transformer/konvolüsyon modelidir. Bu çift alanlı yaklaşım, Demucs v3 veya Spleeter gibi yalnızca CNN kullanan eski modellere göre doğruluk avantajını sağlar.
ONNX dışa aktarımı
Modeli ONNX formatına aktarıyoruz — makine öğrenmesi birlikte çalışabilirliği için açık bir standart. Böylece model PyTorch olmadan çalışır; daha hafif, daha hızlı ve taşınabilir olur. ONNX ağırlıklarını HuggingFace'te herkesin kullanması için yayımladık.
6 stem'e kadar
Standart mod sesi vokal, davul, bas ve other olarak ayırır. 6 stem modeli ayrıca gitar ve piyanoyu ayırır. İnce ayarlı varyantlar (htdemucs_ft) tek stem çıkarımı için daha yüksek doğrulukla sunulur.
GPU gerekmez
İşleme tamamen bulutta olur. Bir dosya yüklersiniz, çıkarımı sunucu tarafında çalıştırırız, ayrılmış stem'leri indirirsiniz. Kurulacak yazılım yok, sizin tarafta GPU yok.
Bunu kim yaptı
StemSplit, aynı hayal kırıklığına defalarca denk gelen tek bir geliştirici tarafından yapıldı: mevcut vokal kaldırma araçları ya iptal etmeyi unuttuğunuz aylık aboneliklerin ardındaydı ya da yeniden ihtiyaç duymadan süresi dolan krediler kullanıyordu.
Hedef basitti — zaten var olması gereken aracı yapmak. Gerçekten kullandığınız kadar adil ödersiniz, bakiyeniz asla dolmaz ve çıktı kalitesi üç farklı hizmeti denemenizi gerektirmeyecek kadar iyidir.
Bağımsız bir ürün. VC parası yok, büyüme ekibi yok, satış araması yok. İşe yarayan, dürüst fiyatlanan, onu da kullanan bir kişinin bakımını yaptığı bir araç. Yol haritasını kullanıcılar belirler — bir öneriniz varsa gerçekten okunur.
Herkese açık geliştiriliyor
Geliştirme açık yapılır. Paketler GitHub, PyPI, npm ve HuggingFace'te yayımlanır. Kıyaslama yöntemi herkese açıktır. Bir şey bozulduğunda düzeltilir ve düzeltme görünür.
Bir web sitesinden fazlası
StemSplit aynı zamanda bir geliştirici platformudur. Web uygulamasını çalıştıran ayırma motoru birden fazla dağıtım kanalından sunulur.
REST API
Stem ayırmaya tam programatik erişim. İş gönderin, durumu sorgulayın, sonuçları indirin. StemSplit üzerine kendi araçlarını kuran geliştiriciler kullanır.
Python paketi
PyPI'de stemsplit-python. Ayırmayı yerelde çalıştırın veya Python betiklerinden ve veri hatlarından API'yi çağırın.
CLI aracı
Homebrew ile stemsplit. Terminalden tek komutla ses dosyalarını ayırın. Toplu işleme ve kabuk betikleri için işe yarar.
n8n düğümü
npm'de n8n-nodes-stemsplit. n8n otomasyon akışlarında sürükle-bırak stem ayırma — kod gerekmez.
MCP sunucusu
npm'de stemsplit-mcp. Stem ayırmayı, yapay zekâ ajanlarının (Claude, GPT vb.) Model Context Protocol üzerinden doğrudan çağırabileceği bir araç olarak sunar.
Zapier entegrasyonu
StemSplit'i Zapier ile binlerce uygulamaya bağlayın. Google Drive yüklemeleri, yeni e-postalar, form gönderimleri ve daha fazlasından ayırma tetikleyin.
Açık yöntem
HuggingFace'te, birden fazla HTDemucs model varyantını gerçek müzik parçaları üzerinde değerlendiren bir kıyaslama veri kümesi oluşturup yayımladık. Değerlendirme, kaynak ayırma kalitesinin standart akademik metriği olan Signal-to-Distortion Ratio (SDR) ile birlikte farklı müzik türleri ve stem türlerinde dinleme testleri kullanır.
Kıyaslama veri kümesini HuggingFace'te görünEvaluation metric
SDR nedir?
SDR (Signal-to-Distortion Ratio), bir modelin hedef kaynağı mix'ten ne kadar temiz ayırdığını desibel cinsinden ölçer. Yüksek daha iyidir. Bu problemin standart akademik değerlendirmesi olan SiSEC Music Separation kıyaslamasında kullanılan metrik budur.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
Neden böyle ücretlendiriyoruz
Çoğu ses aracı abonelik kullanır çünkü abonelik işletmeye yarar — neredeyse hiç giriş yapmayan kullanıcılardan bile öngörülebilir gelir üretir. Biz böyle çalışmak istemiyoruz.
StemSplit, kullandıkça öde kredi modeli kullanır. İşleme dakikası alırsınız ve bunlar asla dolmaz. Ayda bir şarkı ayırırsanız bir şarkı ödersiniz. Bir albümü toplu işlerseniz onu ödersiniz. Yükseltilecek plan yok, daha yüksek kademenin ardına kilitlenmiş özellik yok.
Ücretsiz kademe her yeni kullanıcıya ürünü gerçekten denemek için 5 dakika verir — filigranlı önizleme veya 30 saniyelik klip değil. Beş tam dakika gerçek çıktı.
How it works
- Krediler asla dolmaz — hiç
- Abonelik zorunlu değil
- Kayıtta 5 ücretsiz dakika, kart gerekmez
- Her fiyat noktasında aynı kalite
- Tam API erişimi dahil
Ne'ye İnanıyoruz
Önce Sadelik
Karmaşık teknoloji kullanımı basit olmalı. Yükle, işle, indir — hepsi bu.
Şeffaf Fiyatlandırma
Abonelik yok, süresi dolmayan krediler. Kullandığında, kullandığın kadar öde.
Herkese Açık İnşa
Topluluğumuzla birlikte herkese açık olarak inşa ediyoruz. Önerilerin ve geri bildirimlerin sadece duyulmakla kalmaz — onlar bizim yol haritamızdır.
Sık sorulanlar
Denemek için Hazır mısın?
Binlerce kullanıcının neden StemSplit'i seçtiğini gör.