Giới Thiệu
Tại StemSplit, chúng tôi làm cho xử lý âm thanh chuyên nghiệp có thể tiếp cận được với mọi người.
Sứ Mệnh Của Chúng Tôi
Chúng tôi tin rằng mọi người đều nên có quyền truy cập vào các công cụ âm thanh chuyên nghiệp. Dù bạn là producer nghiệp dư, người yêu thích karaoke hay content creator, StemSplit mang đến cho bạn kết quả chất lượng studio mà không cần ngân sách studio. Chúng tôi đang xây dựng công khai và các đề xuất của bạn trực tiếp định hình lộ trình của chúng tôi.
Chúng tôi phục vụ ai
- Nhà sản xuất âm nhạc và DJ
- Người yêu thích karaoke
- Nhà sáng tạo nội dung và YouTuber
- Người làm podcast và biên tập âm thanh
- Giáo viên âm nhạc và học sinh
- Lập trình viên xây dựng ứng dụng âm thanh
Xây trên công nghệ nghiêm túc
StemSplit dùng HTDemucs — mô hình hybrid transformer tiên tiến do Meta Research phát triển và công bố tại NeurIPS 2022. Cùng mô hình các nhà nghiên cứu dùng, đưa ra qua giao diện web gọn.
Mô hình HTDemucs
HTDemucs là mô hình hybrid transformer/tích chập, làm việc đồng thời trên miền dạng sóng và phổ. Cách tiếp cận hai miền này cho lợi thế độ chính xác so với các mô hình chỉ CNN cũ hơn như Demucs v3 hay Spleeter.
Xuất ONNX
Chúng tôi xuất mô hình sang định dạng ONNX — chuẩn mở cho khả năng tương tác học máy. Nhờ đó mô hình chạy không cần PyTorch, nhẹ hơn, nhanh hơn và dễ mang đi. Trọng số ONNX đã được đăng trên HuggingFace để ai cũng dùng được.
Tối đa 6 stem
Chế độ chuẩn tách âm thanh thành vocal, trống, bass và other. Mô hình 6 stem còn tách guitar và piano. Các biến thể tinh chỉnh (htdemucs_ft) dùng để trích một stem với độ chính xác cao hơn.
Không cần GPU phía bạn
Xử lý diễn ra hoàn toàn trên đám mây. Bạn tải tệp lên, chúng tôi chạy suy luận phía máy chủ, bạn tải stem đã tách. Không cài phần mềm, không cần GPU ở máy bạn.
Ai làm ra điều này
StemSplit do một lập trình viên đơn lẻ xây, người cứ gặp lại cùng một bực: công cụ tách giọng hiện có hoặc bị nhốt sau gói tháng dễ quên hủy, hoặc dùng tín dụng hết hạn trước khi bạn cần lại.
Mục tiêu rất thẳng — làm ra công cụ lẽ ra đã phải có. Bạn trả giá công bằng cho những gì thật sự dùng, số dư không bao giờ hết hạn, và chất lượng đầu ra đủ tốt để không phải thử ba dịch vụ khác.
Đây là sản phẩm độc lập. Không vốn VC, không đội tăng trưởng, không cuộc gọi bán hàng. Chỉ một công cụ chạy được, giá thành thật, do một người cũng dùng nó bảo trì. Lộ trình do người dùng kéo — nếu bạn có góp ý, nó thật sự được đọc.
Xây dựng công khai
Phát triển diễn ra minh bạch. Gói được đăng trên GitHub, PyPI, npm và HuggingFace. Phương pháp benchmark là công khai. Khi hỏng, được sửa và bản sửa nhìn thấy được.
Hơn cả một trang web
StemSplit cũng là nền tảng cho developer. Cùng động cơ tách của ứng dụng web có mặt qua nhiều kênh phân phối.
REST API
Truy cập lập trình đầy đủ tới tách stem. Gửi job, hỏi trạng thái, tải kết quả. Dùng bởi developer xây công cụ riêng trên StemSplit.
Gói Python
stemsplit-python trên PyPI. Chạy tách tại máy hoặc gọi API từ script Python và pipeline dữ liệu.
Công cụ CLI
stemsplit qua Homebrew. Tách tệp âm thanh từ terminal bằng một lệnh. Hữu ích cho xử lý hàng loạt và script shell.
Node n8n
n8n-nodes-stemsplit trên npm. Tách stem kéo-thả trong luồng tự động n8n — không cần viết mã.
Máy chủ MCP
stemsplit-mcp trên npm. Mở tách stem thành công cụ mà agent AI (Claude, GPT, v.v.) gọi trực tiếp qua Model Context Protocol.
Tích hợp Zapier
Nối StemSplit với hàng nghìn ứng dụng qua Zapier. Kích hoạt tách từ tệp Google Drive, email mới, form gửi lên, và hơn thế.
Phương pháp mở
Chúng tôi xây và đăng trên HuggingFace một bộ dữ liệu benchmark đánh giá nhiều biến thể mô hình HTDemucs trên bài hát thật. Đánh giá dùng Signal-to-Distortion Ratio (SDR) — thước đo học thuật chuẩn cho chất lượng source separation — cùng thử nghe trên nhiều thể loại và loại stem.
Xem bộ dữ liệu benchmark trên HuggingFaceEvaluation metric
SDR là gì?
SDR (Signal-to-Distortion Ratio) đo mức mô hình tách nguồn đích khỏi bản mix sạch đến đâu, tính bằng decibel. Cao hơn thì tốt hơn. Đây là cùng thước đo dùng trong benchmark SiSEC Music Separation, đánh giá học thuật chuẩn cho bài toán này.
Typical SDR scores (HTDemucs)
Source: StemSplit benchmark dataset on HuggingFace. Higher SDR = cleaner separation.
Vì sao chúng tôi tính tiền như vậy
Hầu hết công cụ âm thanh dùng gói tháng vì gói tháng có lợi cho doanh nghiệp — tạo doanh thu dự đoán được cả từ người gần như không đăng nhập. Chúng tôi không muốn vận hành như thế.
StemSplit dùng mô hình tín dụng trả theo mức dùng. Bạn mua phút xử lý và chúng không bao giờ hết hạn. Tách một bài một tháng thì trả một bài. Xử lý cả album thì trả đúng vậy. Không có gói phải nâng cấp, không tính năng khóa sau bậc đắt hơn.
Bậc miễn phí cho mỗi người mới 5 phút để thử sản phẩm thật — không phải bản xem trước đóng watermark hay clip 30 giây. Năm phút đầy đủ đầu ra thật.
How it works
- Tín dụng không bao giờ hết hạn — mãi
- Không bắt buộc đăng ký gói tháng
- 5 phút miễn phí khi đăng ký, không cần thẻ
- Cùng chất lượng ở mọi mức giá
- Truy cập API đầy đủ đã gồm
Chúng Tôi Tin Vào Điều Gì
Đơn Giản Là Ưu Tiên
Công nghệ phức tạp phải dễ sử dụng. Tải lên, xử lý, tải về — chỉ vậy thôi.
Giá Minh Bạch
Không đăng ký, không có credit hết hạn. Trả tiền cho những gì bạn sử dụng, khi bạn sử dụng.
Xây Dựng Công Khai
Chúng tôi đang xây dựng công khai cùng cộng đồng. Đề xuất và phản hồi của bạn không chỉ được lắng nghe — chúng chính là lộ trình của chúng tôi.
Câu hỏi thường gặp
Sẵn Sàng Thử Chưa?
Xem lý do tại sao hàng nghìn người dùng chọn StemSplit.