Deezers Open-Source-Tool Spleeter machte die Stem-Trennung mit vorab trainierten Modellen sofort möglich

Einen fertigen Song in seine Stems zu zerlegen – Gesang und Begleitung oder Gesang, Schlagzeug, Bass, Klavier und den Rest – ist das, was Karaoke-, Remix-, DJ- und Audioreparatur-Werkzeuge benötigen, doch die einzelnen Bestandteile existieren nur in den Multitrack-Dateien eines Studios. Wenn man allein von einer gemischten Aufnahme ausgeht, bedeutete Quellentrennung traditionell, für jede Aufgabe ein Modell zu trainieren: Datensätze isolierter Quellen zusammenstellen, ein Netzwerk trainieren und langsame Inferenz ausführen.

Die Antwort von Deezer Research, die Ende 2019 öffentlich auftauchte, war Spleeter: eine Python- und TensorFlow-Bibliothek, die bereits trainierte, hochmoderne Modelle für die Trennung in 2, 4 und 5 Stems mitliefert. Sie ist auf Durchsatz statt auf maßgeschneiderte Genauigkeit ausgelegt – eine GPU trennt die Vier-Stem-Version 100-mal schneller als Echtzeit – und lässt sich mit pip oder Docker installieren und mit einem einzigen Befehl ausführen, sodass selbst ein ganzer Katalog schnell durchlaufen kann.

Da der schwierige Teil, die trainierten Gewichte, mit dem Code unter einer permissiven MIT-Lizenz geliefert wurde, bauten Dritte darauf auf, statt eigene zu entwickeln: iZotope nutzte die Modelle für RX 8 Music Rebalance, Steinberg für SpectralLayers' Unmix, VirtualDJ für die Stem-Isolierung und Algoriddim für NeuralMix, daneben Community-GUIs und Websites. Auch die Forschung übernahm es – Spleeter wurde zu einer Baseline in der ISMIR 2021 Music Demixing Challenge – und das Werkzeug wurde im Journal of Open Source Software beschrieben.

Vorab trainierte Modelle ausliefern; die Trennung 100-mal schneller als Echtzeit machen

Die trainierten Gewichte werden mit dem Werkzeug ausgeliefert, sodass Nutzer den schwierigsten Teil der Quellentrennung überspringen – das Zusammenstellen von Daten isolierter Quellen und das Trainieren eines Modells – und beim ersten Lauf hochmoderne Ergebnisse erhalten.

Eine Ein-Zeilen-CLI mit pip- und Docker-Installation bedeutet, dass ein Produktteam die Trennung an einem Nachmittag einbetten kann, statt sie über Monate zu entwickeln.

Ein GPU-Durchsatz von 100-mal Echtzeit macht die Bibliothek zu einem Pipeline-Grundelement: Die Verarbeitung eines gesamten Musikkatalogs wird billig genug für Funktionen im Streaming-Maßstab.

Eine permissive MIT-Lizenz erlaubt kommerziellen Anbietern (iZotope, Steinberg, VirtualDJ, Algoriddim), die Modelle in bezahlte Produkte einzubauen, wodurch sich Spleeter verbreitete, ohne dass Deezer für Marketing ausgeben musste.

Wenn das knappe Gut ein trainiertes Modell ist, veröffentliche es mit den Gewichten und mache die Inferenz absurd schnell – das Ökosystem übernimmt dein Werkzeug als Baseline, und der Wert verlagert sich auf Service und Support

Die Veröffentlichung erreichte am 3. November 2019 die Startseite von Hacker News mit 1.460 Punkten und 175 Kommentaren. Bis 2026 war das Repository auf etwa 28.400 Sterne und 3.100 Forks angewachsen, und Deezer verpackte die Fähigkeit kommerziell als Spleeter Pro, mit feinerer Trennung, schnellerer Verarbeitung und dediziertem Support über Deezer Tech Services. Dieselben vorab trainierten Modelle blieben in professioneller Audio-Software im Einsatz und blieben eine Referenz-Baseline in der Music Demixing Challenge.