Stem splitter: jak rozdzielić piosenkę na wokal, perkusję i bas z AI

👁 121 przeczytań

Stem splitter rozkłada gotowy, zmiksowany utwór na osobne ścieżki, tak zwane stemy: wokal, perkusję, bas i resztę instrumentów. Przydaje się do remiksu, nauki partii basu, mash-upów i ponownego miksu. W moim serwisie Multistem Splitter zwraca wokal, perkusję i bas z jednego pliku za 8,86 zł za minutę utworu, z VAT, czyli singiel 3:30 kosztuje około 31,02 zł. Pokazuję, czym stemy różnią się od samego usunięcia wokalu, jak wywołać to przez API i co sprawdzić w wyniku.

Co to są stemy

W studiu utwór powstaje z dziesiątek śladów: osobno stopa, werbel, każdy mikrofon nad perkusją, bas, gitary, kilka ścieżek wokalu. Stemy to grupy tych śladów zgrane do kilku plików, na przykład cała perkusja w jednym, wokale w drugim. Producenci wysyłają je do remiksów i masteringu.

Kiedy masz tylko gotowy miks w stereo, stemów nie ma skąd wziąć. Stem splitter odtwarza je z miksu. Model AI rozpoznaje, które części dźwięku należą do głosu, które do perkusji, a które do basu, i zapisuje je jako osobne pliki.

Co zwraca Multistem Splitter

• Trzy ścieżki z jednego pliku: wokal, perkusja i bas.
• Bez promptu i ustawień. Wysyłasz adres pliku w polu audio_url, dostajesz pliki.
• Jedna stawka za wszystkie trzy ścieżki: 8,86 zł za minutę utworu (dokładnie 8,86307 zł w katalogu z 26.10.2026).

Silnik umie wydzielić do sześciu stemów, także pianino i gitary, ale w tym API zestaw jest na razie stały. Opis modelu jest na stronie Multistem Splitter.

Stemy czy tylko wokal

Nie każde zadanie wymaga trzech ścieżek. Jeśli potrzebujesz tylko głosu albo tylko podkładu, tańsze są narzędzia z jedną ścieżką. Ceny brutto z katalogu API mojego serwisu Jantaris, dla utworu 3:30:

Jak wyciągnąć sam wokal albo sam podkład i jak przygotować plik pod jedno z tych narzędzi, opisuję w tekście o usuwaniu wokalu z piosenki.

Przykład: remiks z nową linią basu

Weźmy nagranie własnej linii basu do gotowego utworu. Potrzebny jest utwór bez basu i z osobną perkusją, żeby dograć się do stopy. Kolejność:

1. Eksportujesz utwór do WAV i przycinasz ciszę na początku i końcu.
2. Wrzucasz plik pod publiczny adres i zlecasz rozdzielenie.
3. Pobierasz wszystkie pliki z wyniku i odsłuchujesz każdy, zanim cokolwiek nagrasz.
4. W programie do nagrywania wyciszasz stem basu, a perkusję i wokal zostawiasz jako odsłuch.

Skrypt do kroków 2 i 3:

import os, time, requests

API = "https://jantaris.com/v1"
H = {"Authorization":
     "Bearer " + os.environ[
     "JANTARIS_API_KEY"]}

t = requests.post(
    API + "/generate",
    headers=H, json={
    "model": "multistem-splitter",
    "input": {"audio_url":
      "https://twoj.pl/utwor.wav"}
}).json()
print("koszt:", t["estimated_cost"])

while t["status"] in (
        "queued", "running"):
    time.sleep(5)
    t = requests.get(
        API + "/tasks/" + t["id"],
        headers=H).json()

for i, o in enumerate(t["output"]):
    plik = f"stem_{i}.mp3"
    with open(plik, "wb") as f:
        f.write(requests.get(
            o["url"]).content)
    print(plik, o)

Każdy element w output to osobny plik audio. Skrypt zapisuje je z numerem i wypisuje cały opis elementu, żeby od razu było widać, co przyszło. Linki są tymczasowe, więc pliki trzeba pobrać zaraz po zakończeniu zadania. Rozszerzenie w przykładzie jest zgadnięte z typu: jeśli potrzebujesz dokładnego formatu, odczytaj nagłówek Content-Type pobieranego pliku.

Sprawdź, czy niczego nie zgubiło

Prosty test: zmiksuj trzy stemy z powrotem i porównaj z oryginałem. Jeśli w sumie brakuje gitary albo pianina, znaczy to, że trafiły do którejś ścieżki tylko częściowo. Wspólny plik zrobisz w ffmpeg:

ffmpeg -i stem_0.mp3   -i stem_1.mp3 -i stem_2.mp3   -filter_complex   amix=inputs=3:normalize=0   suma.wav

Do nauki partii przydaje się zwolnienie tempa bez zmiany wysokości dźwięku. Stem basu w 75% tempa:

ffmpeg -i stem_bas.mp3   -filter:a atempo=0.75   bas_wolniej.mp3

Ile kosztuje rozdzielenie utworu na ścieżki

Stawka obejmuje wszystkie trzy ścieżki razem. Wyliczenia ze stawki za minutę:

Dokładną kwotę dla twojego pliku API zwraca w estimated_cost przed startem i ta kwota jest blokowana na saldzie. Nieudane zadanie kosztuje 0 zł. Saldo doładowujesz BLIK-iem albo kartą od 40 zł, a faktura VAT wystawia się sama po każdym doładowaniu.

Przy nauce jednej partii nie trzeba płacić za cały utwór. Wytnij refren albo zwrotkę i rozdziel tylko ten fragment.

Co wpływa na jakość stemów

• Plik źródłowy. WAV albo FLAC dają czystsze ścieżki niż MP3 o niskiej przepływności.
• Gęstość aranżacji. Przy pełnym brzmieniu z syntezatorami i gitarami w tym samym paśmie część dźwięku przenika między ścieżkami. Odsłuchaj każdą osobno.
• Pogłos i efekty. Długi pogłos na wokalu zostaje częściowo w pozostałych stemach.
• Instrumenty spoza zestawu. Pianino i gitary nie dostają tu własnej ścieżki, więc sprawdź, gdzie trafiły, zanim zaczniesz miksować.

Do czego używa się stemów

• Remiks: nowa perkusja albo bas pod oryginalny wokal.
• Nauka: wyizolowana partia basu albo perkusji do grania ze słuchu.
• Mash-up i sety DJ-skie: wokal z jednego utworu na podkładzie z drugiego.
• Ponowny miks utworu z AI: piosenkę z generatora muzyki rozkładasz na ścieżki i poprawiasz proporcje, których generator nie pozwala ustawić. Przegląd generatorów jest w tekście o generatorach muzyki AI.

Stemy z piosenki wygenerowanej przez AI

Generatory muzyki oddają zwykle jeden gotowy miks. Jeśli perkusja jest za głośno albo bas zlewa się z wokalem, nie poprawisz tego suwakiem, bo osobnych ścieżek nie ma. Rozdzielenie na stemy oddaje ci tę kontrolę.

Koszt da się policzyć z katalogu. Utwór z Mureka V9 kosztuje 0,886 zł, a rozdzielenie 3-minutowego utworu na trzy stemy 26,59 zł. Razem 27,48 zł za piosenkę, którą możesz potem zmiksować po swojemu.

Po pobraniu ułóż wszystkie stemy w programie do nagrywania od tego samego punktu 0:00 i puść pierwsze takty razem z oryginałem. Jeśli uderzenia stopy pokrywają się co do milisekundy, ścieżki są zgrane. Dopiero potem zmieniaj głośność, korekcję i efekty na każdej ścieżce osobno.

Prawa do stemów

Rozdzielenie ścieżek nie zmienia praw do nagrania. Stemy z cudzego utworu możesz wykorzystać do nauki w domu, ale remiks publikowany w sieci wymaga zgody właścicieli praw. Bez obaw pracujesz na własnych nagraniach i na materiale, do którego masz licencję.

Lokalnie, bez opłat za minutę

Przy dużej liczbie utworów i mocnej karcie graficznej sprawdź Demucs, otwarty model do separacji ścieżek. Ma wariant z sześcioma stemami, z osobną gitarą i pianinem, i działa na własnym komputerze. Trzeba go zainstalować i uruchomić z wiersza poleceń. API ma sens, gdy rozdzielanie jest częścią automatu albo gdy pracujesz na komputerze bez mocnej karty graficznej.

Najczęstsze pytania

Co to jest stem splitter?

Narzędzie, które rozkłada gotowy miks utworu na osobne ścieżki, na przykład wokal, perkusję i bas. Robi to model AI, który rozpoznaje, które części dźwięku należą do którego instrumentu.

Ile kosztuje rozdzielenie piosenki na ścieżki?

W moim serwisie 8,86 zł za minutę utworu, z VAT, za wszystkie trzy ścieżki razem. Singiel 3:30 to około 31,02 zł (stan 26.10.2026).

Na jakie ścieżki rozdziela Multistem Splitter?

Na wokal, perkusję i bas. Silnik umie wydzielić też pianino i gitary, ale w tym API wyboru ścieżek jeszcze nie ma.

Czym różni się stem splitter od usuwania wokalu?

Usuwanie wokalu daje dwie części: głos albo podkład. Stem splitter rozkłada też podkład na perkusję i bas. Jeśli potrzebujesz tylko karaoke, Music Extractor za 2,95 zł za minutę wystarczy.

Czy mogę publikować remiks ze stemów?

Tylko za zgodą właścicieli praw do utworu. Na własnych nagraniach i materiale z licencją możesz robić z nimi wszystko.

Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.

Źródła i data sprawdzenia

Ceny sprawdziłem 26.10.2026.

• Jantaris - publiczny katalog API z cenami w PLN (Multistem Splitter, Vocal Remover, Music Extractor)
• Jantaris - opis modelu Multistem Splitter (wokal, perkusja, bas)
• Jantaris - dokumentacja zadań i pobierania wyników
• Demucs - otwarty model do separacji ścieżek (wariant 6 stemów)