Stem Separation Nedir ve Nasıl Çalışır: YZ Müziği Nasıl Parçalara Ayırır? (2026)

Sesten vokali kaldırmak ya da davulları izole etmek için bir YZ aracı kullandıysan, Stem Separation'ı zaten deneyimlemişsin demektir. Peki bu işlem gerçekte nasıl çalışıyor? Neden bazı şarkılarda mükemmel sonuç verirken diğerlerinde belirgin artifaktlar bırakıyor? Ve bu modelleri her yıl daha iyi hale getiren şey tam olarak nedir?

Bu yazıda tüm tabloya bakıyoruz — bilimsel arka planı, pratik sınırlamaları ve 2026'da bir şarkıyı stem separator'dan geçirdiğinde gerçekte ne bekleyebileceğini.

Stem Separation Nedir?

Stem Separation (kaynak ayrıştırma, audio demixing veya music unmixing olarak da bilinir), karışık bir ses kaydını bileşenlerine ayıran hesaplamalı bir süreçtir. Tek bir stereo dosya olarak gelen tipik bir pop şarkısı, birlikte kaydedilmiş her şeyi içerir: ana vokal, armoniler, bas davul, trampet, bas gitar, gitarlar, klavye ve prodüktörün eklediği ne varsa. Stem Separation bu mix sürecini matematiksel olarak tersine çevirmeye çalışır.

"Stem" kelimesi müzik prodüksiyon terminolojisinden gelir. Bir kayıt stüdyosunda stem, bir alt mix'tir — birbirine bağlı enstrümanların bir arada mix'lendiği tek bir ses dosyası. Bir prodüktör, tüm davul parçalarını içeren bir "drums stem", tüm vokal katmanlarını içeren bir "vocals stem" gibi dosyalar export edebilir. Bu stem'ler, her individual track'i paylaşmadan bir projeyi mastering mühendisine ya da sync lisans sağlayıcısına aktarmayı kolaylaştırır.

Modern YZ Stem Separation aynı çıktıları üretir — yalnızca orijinal multitrack yerine final stereo mix'ten geriye doğru çalışır. Ayrılmış stem'lerle neler yapabileceğine dair kapsamlı bir bakış için AI stem splitter rehberimize göz atabilirsin.

Çoğu aracın hedeflediği dört standart stem şunlardır:

• Vocals — ana vokal, backing vocals, armoniler ve konuşma sesleri
• Drums — tam davul seti: bas davul, trampet, tomlar, hi-hat'ler, ziller ve perküsyon
• Bass — bas gitar, synth bas ve düşük frekanslı tonal enstrümanlar
• Other — yukarıdakilere uymayan her şey: gitarlar, klavyeler, synthler, yaylılar, nefesliler, efektler

Daha gelişmiş 6-stem modeller Guitar ve Piano'yu ayrı çıktılar olarak ekler; ancak bunlar gitarlar ve klavyeler pek çok diğer enstrümanla frekans aralığı bakımından örtüştüğünden güvenilir biçimde izole etmek daha zordur.

Eski Yöntemler Neden Başarısız Oldu?

Modern YZ ayrıştırmanın ne kadar etkileyici olduğunu anlamak için önce öncesine bakmak gerekir.

Faz İptali (1960'lar–2010'lar)

En eski teknik faz iptaliydi. Stereo bir dosyanın bir kanalını ters çevirip mono'ya toplarsanız, her iki kanalda da özdeş olan her şey birbirini iptal eder. Pek çok pop mix'inde ana vokal mono olarak kaydedilip merkeze pan'lanmış olduğundan sol ve sağ kanalda özdeş görünürdü. Ters çevirip toplamak vokali ortadan kaldırırdı.

Açık sorun şu: Merkeze pan'lanan her şey vokal ile birlikte kaybolur. Bu genellikle bas davul, bas gitar, trampet ve merkeze yerleştirilmiş diğer unsurları da kapsardı. Elde ettiğin "enstrümantal" içi boşaltılmış bir parçaydı. Vokal üzerinde herhangi bir stereo efekt (reverb, chorus) varsa, o kısımlar iptali atlayıp hayalet artifaktlar bırakırdı. Eski usul "vokal kaldırıcıların" bu kadar kötü seslendiğinin nedeni budur.

Frekans Filtreleme

Daha ham bir yöntem: İnsan sesiyle en çok ilişkilendirilen frekans bantlarını (yaklaşık 200 Hz ile 3 kHz arasını) kesmek. Bu, gitarlar, piyano ve davulların da aynı frekanslarda yer alması nedeniyle tüm mix'e zarar verirdi. Vokali biraz bastırırken diğer her şeyi de çöpe dökerdin.

Spektral Düzenleme

iZotope RX gibi bir araçla yapılan manuel spektral düzenleme, yetenekli bir ses mühendisinin spektrogram görünümünde vokal bileşenleri üzerini boyayıp bunları sessizlik veya gürültüyle dolu yaklaşımlarla değiştirmesine olanak tanır. Kısa bölümler için — bir kapı gürültüsünün temizlenmesi ya da kısa bir konuşma cümlesinin kaldırılması gibi — oldukça iyi sonuç verebilir. Ama bütün bir şarkı için bunu yapmak saatler süren uzman çalışması gerektirir ve sonuçlar yine de belirgin dikişler gösterir.

Bu yaklaşımların hiçbiri temiz, tam uzunlukta ayrılmış stem'ler üretemiyordu. YZ bunu tamamen değiştirdi.

Modern YZ Stem Separation Nasıl Çalışır?

Günümüz sistemleri, bir mix'te bir ses kaynağını diğerinden ayıran spektral ve zamansal kalıpları tanımak üzere eğitilmiş derin sinir ağlarıdır.

Adım 1: Sesi Spektrograma Dönüştürme

Ham ses bir dalga formudur — saniyede binlerce kez örneklenen basınç değerlerinden oluşan bir zaman serisi. Ancak sinir ağları, bir sinyalin frekans içeriğinin zaman içinde nasıl değiştiğini gösteren 2 boyutlu bir temsille daha iyi çalışır. Bu dönüşüm için standart araç, yatay eksenin zaman, dikey eksenin frekans ve her noktadaki parlaklığın (ya da rengin) o andaki o frekansın ne kadar yüksek sesli olduğunu temsil ettiği bir ızgara olan spektrogram üreten Kısa Süreli Fourier Dönüşümü (STFT)'dür.

Bunu bir piyano rulosu gibi düşünebilirsin; ancak ayrı notalar yerine aynı anda çalan her şeyin tam sürekli frekans spektrumunu gösterir. Bir trampet vuruşu bir gitar akorundan farklı görünür; o da uzatılmış bir vokal notasından farklıdır; bunların hepsi de bas gitardan farklı görünür. Spektrogram bu farkları görünür kılar.

Adım 2: Sinir Ağının Gerçekte Neyi Öğrendiği

Model, izole stem'lerin zaten biliniyor olduğu şarkılardan oluşan bir veri setiyle eğitilir — temelde yazılımda "mix'lenmiş" binlerce multitrack kayıttan öğrenir. Her eğitim örneğinde model, mix'lenmiş şarkının spektrogramını her bir stem'in spektrogramlarıyla birlikte görür.

Eğitim sürecinde ağ, belirli spektral şekillerin, dokuların ve hareket kalıplarının vokale, davullara ya da basa atfedildiğini öğrenir. Bas frekanslarının genellikle uzun, pürüzsüz, uzatılmış notalar içerdiğini öğrenir. Davulların birçok frekansta eş zamanlı olarak keskin dikey çizgiler (transient'lar) oluşturduğunu öğrenir. Vokallerin, sesli harfler değiştikçe kaymakta olan insan sesine özgü rezonant frekans kalıpları olan belirgin formant yapılarına sahip olduğunu öğrenir.

Hybrid Transformer Demucs (HTDemucs) gibi en yetenekli modern mimariler, ses sinyalini aynı anda iki paralel akışta işler:

• Ham dalga formu üzerinde doğrudan çalışan ve özellikle transient'ları, zamanlamayı ve faz ilişkilerini yakalamada iyi olan bir zaman alanı akışı
• Spektrogram üzerinde çalışan ve tonal içeriği, harmonikleri ve spektral dokuyu belirleme konusunda üstün olan bir frekans alanı akışı

Transformer tabanlı bir dikkat mekanizması daha sonra bu iki akış arasında bilgi akışına izin vererek modelin her birinden öğrendiklerini birleştirmesini sağlar. Bu çift yollu yaklaşım, HTDemucs'un yalnızca tek bir temsil kullanan önceki modellerin önüne geçmesinin nedenidir.

Adım 3: Maske Tahmini

Çoğu mimari her stem için çıktı dalga formunu doğrudan tahmin etmek yerine bir maske tahmin ederek çalışır — giriş spektrogramıyla aynı boyutta, her hücrede o belirli stem'e o zamanda o frekansın ne kadarının ait olduğunu temsil eden 0 ile 1 arasında bir değer içeren bir ızgara.

Davullar maskesini orijinal spektrograma uygula ve davul gibi görünmeyen her şeyi bastır. Vokaller maskesini uygula ve vokal gibi görünmeyen her şeyi bastır. İkili 0/1 yerine kesirli değerlerin kullanıldığı yumuşak maskeleme daha fazla ses kalitesi korur; bu yüzden standart hale gelmiştir.

Adım 4: Sese Geri Dönüştürme

Her stem için maskelenmiş spektrogramlar hesaplandıktan sonra son adım, bunları Ters STFT kullanarak ses dalga formlarına geri dönüştürmektir. Sonuç, toplanınca orijinal mix'lenmiş track'i yaklaşık olarak yeniden oluşturması gereken stem başına bir ses dosyasından oluşan bir settir.

Araçlar arasındaki kalite farkı genellikle şunlara bağlıdır: kullandıkları eğitim verisi miktarı, model mimarisinin ne kadar büyük ve sofistike olduğu ve maskeleme stratejisinin reverb kuyrukları ve attack transient'ları gibi ince detayları koruyup korumadığı.

Ana YZ Modellerin Karşılaştırması

2019'dan bu yana sanatın en iyi halini tanımlayan birkaç açık kaynaklı model ortaya çıkmıştır. Aralarındaki farkları anlamak, çeşitli araçların neden bu şekilde seslendiğini açıklamaya yardımcı olur. Aşağıdaki tüm SDR değerleri, araştırma topluluğu genelinde kullanılan standart test seti olan MUSDB18 benchmark'ındaki vocals stem içindir.

Hızlı Karşılaştırma

Spleeter (Deezer, 2019)

Spleeter, Stem Separation için ilk geniş çaplı erişilebilir açık kaynaklı modeldi ve büyük bir etki yarattı — artık herkes kendi makinesinde makul kalitede ayrıştırma yapabiliyordu. Tamamen frekans alanında çalışan U-Net mimarisini (atlama bağlantılı bir encoder-decoder ağı) kullanır.

Güçlü yanlar: Hızlı, hafif, mütevazı donanımda çalışır, deploy etmesi kolay, temel karaoke kullanımı için hâlâ yeterli.
Zayıf yanlar: Pek çok şarkıda sızıntı açıkça duyulabilir, reverb ağırlıklı vokallerde zorlanır, 5-stem modunda kalite 2-stem'e kıyasla belirgin biçimde düşer.
Vocals SDR: MUSDB18'de ~6.5 dB.

Spleeter ile Demucs'ın türlere göre SDR tabloları içeren doğrudan karşılaştırması için Spleeter vs Demucs karşılaştırmamıza bakabilirsin.

Demucs v3 (Meta/Facebook, 2021)

Demucs v3, frekans alanının yanına zaman alanı işlemeyi de getirdi ve Spleeter üzerinde önemli bir sıçrama sağladı. Kapılı evrişimlerle bir encoder-decoder ağı kullanarak ham dalga formunu doğrudan işler; bu da özellikle zamanlamanın önemli olduğu davul ve bas stem'lerinde belirgin biçimde fark yaratacak daha iyi faz tutarlılığı ve daha keskin transient'lar sağlar.

Güçlü yanlar: Spleeter'a kıyasla daha temiz transient'lar, daha iyi faz tutarlılığı, GPU olmadan CPU'da iyi sonuçlar.
Zayıf yanlar: Spleeter'dan daha yavaş, Transformer bağlam modellemesinden yararlanmıyor, benzer hesaplama maliyetiyle HTDemucs daha iyi sonuçlar üretiyor.
Vocals SDR: MUSDB18'de ~7.3 dB.

HTDemucs (Meta/Facebook, 2022)

Günümüzün ana akım standardı. HTDemucs, modelin daha uzun zamansal bağlamlar hakkında mantık yürütmesine olanak tanıyan bir Transformer dikkat mekanizması ekler — 1. ölçüde çalan bas notasının muhtemelen 3. ölçüdeki bas notasıyla ilişkili olduğunu, rastgele değişmediğini anlayabilmesi gibi. Bu uzun menzilli bağımlılık modellemesi, yalnızca konvolüsyon kullanan önceki modellere kıyasla karmaşık harmonik müziği daha iyi ele almasını sağlar.

Güçlü yanlar: Dört stem'in tamamında en iyi genel kalite, yoğun mix'leri iyi idare eder, daha temiz reverb kuyrukları, daha iyi bas ayrıştırması, Demucs GitHub üzerinden ücretsiz açık kaynak olarak sunuluyor.
Zayıf yanlar: Spleeter'dan daha yavaş, daha fazla hesaplama gücü gerektiriyor, çok yoğun mix'lerde ara sıra düşük frekanslı sızıntı.
Vocals SDR: MUSDB18'de ~8.7 dB — standart metrikte Spleeter'a kıyasla yaklaşık %35 daha yüksek kalite.

HTDemucs Fine-Tuned (htdemucs_ft), daha küçük, seçilmiş bir veri seti üzerinde ek eğitim almış bir versiyonudur. Ortalama parçalarda temel HTDemucs ile benzer performans gösterir; ancak belirli türlerde (özellikle pop ve R&B) belirgin biçimde daha temiz sonuçlar üretir. StemSplit, tüm işlerde varsayılan olarak htdemucs_ft kullanır. HTDemucs 6s (htdemucs_6s) ise gitar ve piyanoya ayrı çıktılar ekler — prodüksiyon çalışmaları için kullanışlıdır; ancak bu ekstra stem'lerdeki doğruluk standart dördün altında kalır.

MDX-Net (Music Demixing Challenge, 2021)

MDX-Net modelleri, Sound Demixing Challenge'dan çıkmıştır ve birden fazla modelin çıktılarını ortalamayla birleştiren ensemble yaklaşımlarını kullanır. mdx_extra varyantı, standart benchmark setinin ötesinde ek verilerle eğitilmiştir.

Güçlü yanlar: Özellikle vokal izolasyonunda HTDemucs ile rekabet edebilir ya da onu hafifçe geçer; vokal kalitesi tek öncelik olduğunda kullanışlıdır.
Zayıf yanlar: Davul ve basta HTDemucs'un gerisinde kalır; ensemble hesaplaması nedeniyle daha yavaştır; daha az genel amaçlıdır.
Vocals SDR: mdx_extra için MUSDB18'de ~9.0 dB — vokalde güçlü, diğer stem'lerde zayıf.

Pratikte, htdemucs_ft ile mdx_extra arasındaki fark gerçek dünya müziğinde benchmark sayılarının gösterdiğinden daha küçüktür. Hangisinin "daha iyi" olduğu çoğunlukla şarkının türüne ve mix karakteristiklerine bağlıdır.

BS-RoFormer (2024) — Günümüzün En İleri Seviyesi

En yeni nesil. BS-RoFormer (Band-Split RoFormer), ses spektrumunun alt bantlara bölündüğü ve her bandın özel dikkat kafalarıyla işlendiği bant bölünmüş sinyal temsiline bir Roformer (dönel konum gömmeleri içeren bir Transformer varyantı) uygular. Bu mimari, modelin ayrıntılı frekans detayı ve uzun menzilli zamansal yapı hakkında aynı anda mantık yürütmesine olanak tanır.

Güçlü yanlar: 2026 itibarıyla yayımlanmış herhangi bir modelin en iyi vokal SDR'si, eski modellerde yaygın olan metalik artifaktları önemli ölçüde azaltıyor, reverb ağırlıklı vokalleri istisnai biçimde iyi ele alıyor.
Zayıf yanlar: Hesaplama yoğun, henüz HTDemucs kadar yaygın olarak deploy edilmemiş, verimli çalışması için daha yeni altyapı gerektiriyor.
Vocals SDR: MUSDB18'de ~10.9 dB — HTDemucs üzerinde özellikle zorlu materyallerde açıkça duyulabilen anlamlı bir iyileşme.

BS-RoFormer ticari araçlarda görünmeye başlamış olup alanın yöneldiği yönü temsil etmektedir.

Ayrıştırma Kalitesi Pratikte Nasıl Duyulur?

SDR sayıları modelleri nesnel biçimde karşılaştırmak için kullanışlıdır; ancak artifaktların pratikte nasıl duyulduğunu anlatmazlar. İşte bekleyebileceklerin.

Sızıntı Sorunu

Hiçbir YZ modeli mükemmel biçimde izole edilmiş stem'ler üretmez. Komşu kaynaklardan gelen bir miktar sinyal her zaman her çıktıya "sızar". İzole bir vokal track'inde genellikle mix'te en yüksek sesi çıkaran şeyin — çoğunlukla bas davul ya da trampet — hafif bir hayaletini duyarsın. Enstrümantal bir track'te ise hafif, biraz işlenmiş görünen bir vokal gölgesi duyursun.

Sızıntı genellikle kullanım amacını mahvedecek kadar belirgin değildir. Karaoke için, enstrümantalın altındaki fısıltı düzeyinde vokal artifaktı orijinal tam sesli sesin yanında çok daha az dikkat çekicidir. Davul break'lerini sample'lamak için ise davul track'inin altındaki bir iz bas sesi bağlamda genellikle duyulmaz.

Sızıntının gerçek sorun haline geldiği yer profesyonel mix iş akışlarıdır — ticari olarak yayımlanmış bir track'i remix etmeye ve klüp yayını için gerçek anlamda temiz stem'lere ihtiyaç duyuyorsan, YZ ayrıştırması genellikle iZotope RX ya da benzeri araçlarda ek manuel işlem yapılmadan yeterince temiz değildir.

Reverb Kuyrukları ve Transient'lar

Reverb kuyrukları YZ modellerinin başa çıkması gereken en zor şeylerden biridir. Bir vokal sanatçı uzun reverb ağırlıklı bir cümle söylediğinde, reverb kuyruğu vokallerin ötesine uzanır ve spektrogramda temiz biçimde vokale ya da arka plana atfedilmesi güç bir şekilde yayılır. Modern modeller makul bir iş çıkartır; ancak reverb'ün ayrılmış stem'de orijinal mix'e kıyasla biraz farklı davrandığını çoğu zaman duyarsın.

Transient'lar — davulların, gitar pick'lerinin ve piyano tuşlarının keskin attack'ları — artık yalnızca frekans alanı kullanan modellerle kıyaslandığında çok daha iyi işleniyor. HTDemucs'un zaman alanı akışı attack detayını yeterince iyi koruyarak ayrılmış davul track'lerinin genellikle yumruklu ve doğal seslendirilmesini sağlar.

Tür Önemli Ölçüde Önem Taşır

Ayrıştırma kalitesi türe göre önemli ölçüde değişir:

Stüdyo pop ve elektronik müzik en iyi ayrışma sonuçlarını verir çünkü modern prodüksiyon enstrümanları zaten görece farklı frekans bölgelerinde tutar. Caz ve klasik müzik en zordur çünkü her şey derinlemesine harmonik olarak iç içe geçmiş ve doğal oda akustiğiyle kaydedilmiştir.

YZ Ayrıştırması Ne Zaman Başarısız Olur (ve Neden)?

Başarısızlık modlarını anlamak, ne zaman iyi, ne zaman kötü sonuç alacağını öngörmeni sağlar.

Heterofonik Çalma ve Dublaj

İki enstrüman aynı notu eş zamanlı çaldığında — vokali oktav piyano çizgisiyle dublajlayan ya da klavyelerle unison gitar çalan bir yapıda — model hangi stem'e koyacağına çoğunlukla karar veremez. Dublajlı parçanın iki çıktıya bölündüğünü ya da tamamen yanlış birine atandığını görürsün.

Aşırı Efekt İşleme

Ağır vokal distortion'ı (auto-tune'lu, pitch-shift'li veya vocoder'lı vokaller gibi) insan sesinin doğal formant kalıplarını tanımayı öğrenmiş modelleri şaşırtır. Vokalin spektral karakterini değiştiren robot sesi efekti, temiz izole edilmek yerine "other" stem'ine sızmasına neden olabilir.

Benzer şekilde, fuzz pedal ve oktav efektleri gibi aşırı gitar efektleri gitarın spektral parmak izini yeterince değiştirir ki model bir kısmını yanlış sınıflandırabilir.

Bas Frekans Karışıklığı

Yaklaşık 80 Hz altındaki sub-bas frekansları, o aralıktaki her şeyin — bas gitar, bas davul, synthesizer bas — spektrogramda gürültülü bir kitleye dönüşmesi nedeniyle ayrıştırılması zordur. Sub-bas bölgesine uzanan 808 tarzı bas davullar özellikle sorunludur; bas çizgileriyle spektral olarak örtüştükleri için 808'lerin hem davul hem de bas çıktısına sızdığını çoğunlukla duyarsın.

Düşük Kaliteli Kaynak Dosyalar

128kbps MP3 bir stem separator'dan geçirmek yalnızca daha düşük kaliteli çıktı vermez — MP3 sıkıştırma algoritması ses bilgisini zaten atmış ve zil gürültüsü artifaktları eklemiş olduğundan aktif olarak artifaktlara yol açar. Model bu artifaktları enstrüman sinyali olarak yorumlayabilir. En iyi sonuçlar için 320kbps MP3 ya da lossless dosyalar (WAV, FLAC) kullan.

Pratik Kullanım Alanları ve Beklentiler

Karaoke Track Oluşturma

Bu en yüksek hacimli kullanım alanıdır ve YZ ayrıştırmasının pratikte en iyi çalıştığı yerdir. HTDemucs ile ayrılmış temiz, modern bir stüdyo kaydı, vokal sızıntısının dikkat dağıtmayacak kadar ince olduğu bir enstrümantal track verir. Enstrümantal çıktıya hafif bir low cut ve multiband compression uygulamak sonuçları daha da iyileştirir. Hizmetlerin karşılaştırması için en iyi vokal kaldırma araçları derlemimize bakabilirsin.

StemSplit'in vokal kaldırıcısı, özellikle bu kullanım alanı için optimize etmek amacıyla htdemucs_ft çalıştırır.

Müzik Pratiği ve Öğrenme

Stem'leri izole etmek, teknolojinin başka bir mükemmel kullanım alanıdır. Eşlik etmek için bir kayıttan gitarı kaldırmak ya da kulaktan öğrenmek için yalnızca piyano partisini çıkarmak modern modellerle iyi çalışır. Diğer enstrümanlardan gelen hafif sızıntı parçayı öğrenmeni engellemez. Ayrıca izole stem'i, tam mix içinde gömülü olan icracının tekniğinin ince detaylarını duymak için de kullanabilirsin.

DJ Mashup'ları ve Canlı Performans

DJ'ler, mashup'lar ve canlı stem mix'leri için stem ayrılmış a cappella'lar ve enstrümantallar kullanır. Buradaki kalite çıtası stüdyo prodüksiyonuna kıyasla daha affedicidir — klüp ortamında yüksek ses sistemiyle düşük seviyedeki vokal sızıntısı duyulmaz. Girl Talk gibi sanatçılar, modern YZ'nin ürettiğinden çok daha düşük kalitede kaba vokal-enstrümantal kombinasyonlar üzerine tüm kariyerler inşa etti.

Prodüksiyon ve Sampling

YZ ayrıştırmasının gerçek sınırlarıyla çarpıştığı yer burasıdır. İzole davullar ya da bası yeni bir prodüksiyonda kullanacaksan, yayına hazır hale gelmeden önce iZotope RX ya da benzeri bir araçla stem'leri temizlemen gerekecek. Sample tabanlı hip-hop prodüksiyonu için, bir YZ ayrıştırmasından elde edilen drums stem, bas sızıntısını gidermek için bir high-pass filter ve biraz EQ'dan sonra genellikle kullanılabilir durumdadır.

Temiz sample'ların kesinlikle zorunlu olduğu ticari yayınlar için YZ ayrıştırması tek başına çoğunlukla yeterli değildir — orijinal multitrack session'a ihtiyaç duyarsın.

En İyi Sonuçları Nasıl Elde Edersin?

Mevcut En Yüksek Kaliteli Kaynak Dosyayı Kullan

Lossless, MP3'ten daha iyidir. 320kbps MP3, 128kbps'den önemli ölçüde daha iyidir. Bir FLAC ya da WAV versiyonun varsa her zaman onu kullan. Düşük bit hızlı dosyalar, modelin enstrüman sinyali olarak yanlış yorumlayabileceği sıkıştırma artifaktları oluşturarak her stem çıktısını bozar.

Canlı Kayıtlardan ve Bootleg'lerden Kaçın

Stüdyo kayıtları her zaman daha temiz ayrışır çünkü mix kontrollüdür. Canlı kayıtlar, modeli şaşırtan doğal oda ambiyansı, kalabalık gürültüsü ve mikrofonlar arasındaki sahne sızıntısı içerir. Mükemmel bir canlı kayıt bile aynı şarkının ortalama bir stüdyo mix'inden belirgin biçimde daha kötü stem'ler üretir.

Taahhüt Etmeden Önce Kısa Bir Klip Test Et

5 dakikalık bir track'i tam olarak işlemeden önce en karmaşık kısmın (genellikle nakarat) 30 saniyelik bir bölümünü yükleyerek kalitesinin yeterli olup olmadığını doğrula. Çıktı nakaratta sorunluysa, başka bir yerde iyileşmeyecektir. Bu, belirli bir türün veya prodüksiyon stilinin iyi ayrışıp ayrışmayacağından emin olmadığında özellikle işe yarar.

Çıktıyı Post-Process Et

Ayrılmış vokal stem'lerine yumuşak bir high-pass filter (yaklaşık 80–100 Hz civarı) uygulamak, sızıntıdan kaynaklanan sub-bas gürültüsünü giderir. Transient shaper, davul stem'i biraz yumuşak sesleniyorsa punch'ı geri kazandırabilir. Multiband compression, ara sıra vokal hayaletlenmesi olan enstrümantalı sıkılaştırmaya yardımcı olur. Bu düzeltmeler genellikle iki dakikadan kısa sürer ve çıktının kullanılabilirliğini belirgin biçimde artırır.

Beklentilerini Kalibre Et

2026'da YZ ayrıştırması gerçekten etkileyici — dört yıl önce mümkün olanın çok ötesinde. Ama sihir değil. Neleri yapıp neleri yapamadığını anlamak, sınırlamalarıyla sürpriz yaşamak yerine onu etkili biçimde kullanmanı sağlar. Kendi makinende yerel olarak çalıştırmak istiyorsan, Demucs kurulum rehberimiz tam kurulum sürecini adım adım anlatıyor. Kurulum gerektirmeyen çevrimiçi bir seçenek tercih ediyorsan, Demucs çevrimiçi eğitimimiz o iş akışını kapsıyor.

Kendin Dene

Stem Separation'ı anlamanın en iyi yolu birkaç track çalıştırıp eleştirel dinlemektir. StemSplit'in stem splitter'ı, htdemucs_ft'yi GPU destekli sunucularda çalıştırır ve track'leri iki dakikadan kısa sürede işler. Herhangi bir şarkıyı yükle ve taahhüt etmeden önce 30 saniyelik bir önizleme al — hesap gerekmez.

Şarkıyı Ücretsiz Böl →

---

Sık Sorulan Sorular

YZ stem separation mükemmel midir?

Hayır. Mevcut modeller çok iyi sonuçlar üretir — kullanıcıların büyük çoğunluğu çıktıyı kendi amaçları için yeterince faydalı bulur — ancak komşu enstrümanlardan her zaman bir miktar sızıntı olur. 2022 ile 2026 modelleri arasındaki kalite farkı önemlidir ve iyileşme devam etmektedir. BS-RoFormer günümüzdeki tavanı temsil eder; gelecekteki mimariler bunu daha da ileri götürecektir.

Stem separation ile vokal kaldırma arasındaki fark nedir?

Vokal kaldırma, Stem Separation'ın vokal/enstrümantal ayrımına odaklanan belirli bir uygulamasıdır. Stem Separation ise bir mix'i herhangi bir sayıda bileşene (vokaller, davullar, bas, diğer enstrümanlar) ayırmanın daha geniş sürecidir. Tüm vokal kaldırıcılar Stem Separation yapar; ancak tüm stem separator'lar vokal kaldırma amacıyla kullanılmaz.

Stüdyodaki orijinal stem'lerle karşılaştırıldığında nasıl?

Orijinal stüdyo stem'leri her zaman daha iyidir — hiçbir mix işlemi yapılmadığından mükemmel izolasyona sahiptirler. YZ ile ayrılmış stem'ler, orijinal stem'lerin sahip olmadığı bir miktar artık sızıntı içerir. Profesyonel prodüksiyon kullanımı için, mevcut olduğunda orijinal stem'ler tercih edilir. Diğer her şey için YZ ayrıştırması pratik bir alternatiftir.

Hangi modeli kullanmalıyım?

Çoğu amaç için: htdemucs_ft. Dört stem'in tamamında en iyi genel kalite sonuçlarını üretir. Özellikle gitar ve piyanonun ayrılmasına ihtiyaç duyuyorsan htdemucs_6s kullan. Vokal izolasyon kalitesi tek önceliğindeyse ve daha kötü davul/bas çıktısını kabul etmeye razıysan mdx_extra kullan. Spleeter, yalnızca çok yüksek hacimde işlem yapıyor ve hız kaliteden daha önemliyse değerlendirilebilir.

En iyi sonuçlar için hangi formatta yükleme yapmalıyım?

WAV ya da FLAC (lossless) en iyi sonuçları verir. Yüksek kaliteli MP3 (320kbps) buna yakın bir alternatiftir. Düşük kaliteli MP3'lerden (192kbps altı) kaçın; sıkıştırma artifaktları ayrıştırma kalitesini düşürür.

İzole vocalimin altında neden hâlâ biraz müzik duyuyorum?

Bu, yukarıda açıklanan sızıntı artifaktıdır — günümüzün maske tabanlı yaklaşımlarının temel bir sınırlaması. Sızıntı miktarı türe, mix kalitesine ve kullanılan modele bağlıdır. HTDemucs tabanlı araçlar bunu eski modellere kıyasla daha aza indirir; ancak tamamen ortadan kalkmaz. BS-RoFormer özellikle reverb ağırlıklı vokallerde bunu daha da azaltır.

Stem separation beş yıl sonra nasıl görünecek?

Yörünge, zorlu türlerde sürekli iyileşmeye, aşırı efekt işlemenin daha iyi ele alınmasına ve büyük olasılıkla bireysel davul unsurlarının (bas davul, trampet, hi-hat) yüksek doğrulukla ayrıştırılabilmesine işaret ediyor. Tüketici donanımında gerçek zamanlı ayrıştırma halihazırda pratik hale geliyor. Maske tabanlı CNN'lerden Transformer ve difüzyon tabanlı üretici yaklaşımlara mimari geçiş, büyük olasılıkla çoğu materyalde orijinal multitrack'lerden ayırt edilmesi güç stem'ler üretecektir.