2026'da Spleeter ve Demucs: Test Sonuçları ve İkisini de Geçen Modeller

1 Aralık 2025

Spleeter ve Demucs karşılaştırmasının temelinde hız ile kalite arasındaki tercih vardır. Demucs stemleri daha temiz ayırır: ince ayar eğitimi uygulanmış Demucs v4, Spleeter'ın 5,9 dB değerine karşılık 9,0 dB SDR elde eder. Spleeter ise çok daha hızlıdır ve mütevazı bir CPU'da rahatça çalışır. 2026'da BS-RoFormer gibi daha yeni modeller her ikisinden de yüksek puan alır.

Bir remix için vokalleri çıkarmayı veya enstrümantal bir sürüm oluşturmayı denediyseniz muhtemelen bu modellerden birini temel alan bir araç kullanmışsınızdır. Her iki açık kaynaklı model de stem ayırmada referans hâline geldi. Bunları karşılaştırmak, hız, artefaktlar ve kalite arasındaki ödünleşimleri hâlâ ortaya koyuyor.

Stem Nedir ve Stemleri Ayırmak Neden Bu Kadar Zordur?

Stemler, mikslenmiş bir şarkının ayrı bileşenleridir; genellikle vokal, davul, bas ve diğer tüm seslerdir. Prodüktörler, son miks her şeyi bir araya getirmeden önce stüdyoda bu bileşenlerle çalışır.

Miks sonrasında bunları ayırmak, pişmiş bir pastayı yeniden malzemelerine ayırmaya benzer. Enstrümanlar aynı frekans aralığını paylaşır. Vokalin armonikleri gitar frekanslarıyla örtüşür. Kick davulunun geçici atakları bas notalarıyla çakışır. Zil vuruşları tüm stereo alana yayılır. Geleneksel sinyal işleme, dalgalanan ve çok sayıda artefakt içeren sonuçlar veriyordu.

Derin öğrenme, sinir ağlarını klasik sinyal işlemenin kaçırdığı örüntüleri tanıyacak şekilde eğiterek durumu iyileştirdi. Spleeter ve Demucs iki referans model hâline geldi ve birbirinden çok farklı yaklaşımlar kullanıyorlar.

Tarihçe: Spleeter, Demucs ve Paris Bağlantısı

Spleeter: Deezer'ın Hızlı Spektrogram Maskeleme Yöntemi

Fransız müzik yayın hizmeti Deezer, Kasım 2019'da Spleeter'ı ücretsiz ve açık kaynaklı bir araç olarak yayımladı. Romain Hennequin'in yönettiği ekip, aracı TensorFlow üzerinde, genlik spektrogramlarını yani sesin zaman-frekans gösterimlerini işleyen bir U-Net evrişimli sinir ağı etrafında geliştirdi.

Spleeter, ayırma işlemini görüntü bölütleme gibi ele alır. Her zaman-frekans hücresi için yumuşak bir maske tahmin ederek hücrenin ne kadarının vokal, davul, bas veya diğer seslere ait olduğunu hesaplar. İsteğe bağlı bir Wiener filtreleme adımı maskeleri iyileştirir ve stemler özgün miksin fazı kullanılarak yeniden oluşturulur.

Spleeter'ın güçlü yönü hızıdır. Dört dakikalık bir parçayı saniyeler içinde ayırır, GPU'da gerçek zaman hızının 100 katına ulaşır ve mütevazı CPU'larda rahatça çalışır. 2 stem (vokal/eşlik), 4 stem ve 5 stem yapılandırmaları sunar. Araştırmalarda karşılaştırma için temel model hâline geldi ve sayısız YouTube remix kanalında kullanıldı.

Demucs: Meta'nın Dalga Biçimi Alanında Ayırma Yöntemi

Spleeter hıza odaklanırken Meta AI Research, o zamanki adıyla Facebook AI Research, kaliteye odaklandı. Kendisi de Fransız olan Alexandre Défossez ve ekibi, Deep Extractor for MUlti-Channel Sources ifadesinin kısaltması olan Demucs'ı 2019'da çok farklı bir yaklaşımla tanıttı.

Demucs, spektrogramlar yerine doğrudan ham dalga biçimlerini işler ve ayırmayı zaman alanında bir yeniden oluşturma problemi olarak ele alır. Mimarisi, Wave-U-Net'ten esinlenen U-Net tarzı bir evrişimli kodlayıcı-kod çözücüyü, dar boğaz katmanındaki çift yönlü LSTM ile birleştirir. Böylece ağ uzun süreli müzikal yapıyı yakalayabilir ve faz tutarlılığını koruyabilir.

Demucs dört ana sürümden geçti:

• v1 (2019): Yalnızca dalga biçimini kullanan yaklaşım, spektrogram yöntemleriyle şimdiden rekabet edebiliyordu
• v2 (2020): İyileştirilmiş eğitim ve verimlilik artışları
• v3 "Hybrid Demucs" (2021): Bir spektrogram dalı ekledi ve MUSDB18 üzerinde 7,7 dB SDR ile Music Demixing Challenge yarışmasını kazandı
• v4 "Hybrid Transformer Demucs" (2022): En içteki katmanları alanlar arası bir Transformer ile değiştirdi; ince ayar eğitimiyle 9,0 dB SDR'ye, makaledeki en iyi yapılandırmada ise 9,2 dB'ye kadar ulaştı

Sound Demixing Challenge ve Yeni Bir Başlangıç

Sound Demixing Challenge 2023 odağı değiştirdi. Meta, Sony ve diğer kuruluşların düzenlediği yarışma, dayanıklı müzik kaynak ayırma yaklaşımını öne çıkardı: modellerin hatalı etiketler ve stemler arası ses sızıntısı içeren verilerle eğitilmesi. Alexandre Défossez, başlıca organizatörlerden biriydi ve yarışmanın tasarımına ve temel karşılaştırma modellerine katkıda bulundu.

Temel bulgu, daha fazla eğitim verisinin daha iyi sonuçları garanti etmediğiydi. Veri kalitesi ve dayanıklılık stratejileri daha önemlidir. Kayıp değerlerini kırpma ve yinelemeli iyileştirme gibi teknikler, gürültülü verilerde SDR'yi 0,89 dB artırdı.

Kısa süre sonra Défossez, Fransız AI araştırma laboratuvarı Kyutai'ı ortaklaşa kurmak için Meta'dan ayrıldı. Demucs deposu hâlâ çevrimiçi, ancak README artık proje üzerinde aktif çalışmadığını belirtiyor. Bu nedenle yeni özellikler beklemeyin.

Performans: Hız ile Kalite Arasındaki Ödünleşimler

Mimari Yaklaşım

Spleeter spektrogramları maskeler. Demucs dalga biçimlerini yeniden oluşturur. Bu temel fark diğer tüm özellikleri belirler.

Spleeter'ın frekans alanındaki yaklaşımı verimlidir, çünkü her STFT karesi binlerce örneği özetler. Böylece evrişimler çok daha az zaman adımı üzerinde çalışır. Bunun bedeli, modelin fazı göz ardı etmesi ve miksin fazını yeniden kullanmasıdır. Ayrıca STFT'nin sabit zaman-frekans çözünürlüğü hem keskin geçici atakları hem de sabit tonları iyi temsil edemez.

Demucs'un zaman alanındaki yöntemi, 1D evrişimler yoluyla kendi filtre bankalarını öğrenir. Fazı korur ve geçici atakları örnek düzeyinde hassasiyetle işler. v4'te Transformer katmanları birkaç saniyelik ses boyunca bağlamı korur. Bu, kare tabanlı yöntemlerde yaygın olan "pinpon" artefaktlarını azaltır.

Hybrid Demucs v3: dalga biçimi ve spektrogram dalları

Giriş dalga biçimi

Dalga biçimi dalı

Spektrogram dalı

STFT

Zamansal kodlayıcı

Spektral kodlayıcı

Hizalanmış temsilleri toplama

Ortak kodlayıcı ve çözücü

Zamansal çözücü

Spektral çözücü

Ters STFT

Çıkış dalga biçimlerini toplama

Ayrılmış stemler

Kodlayıcı ile çözücü arasında atlama bağlantıları

Spleeter ve Demucs Karşılaştırmasının Sayısal Sonuçları

MUSDB18 test kümesindeki bu puanlar, resmî Demucs GitHub deposundan alınmıştır:

Sinyal-bozulma oranı (SDR), bir modelin bir kaynağı miksten ne kadar temiz ayırdığını ölçer. Daha yüksek değer daha iyidir, ancak SDR dinleme testinin yerini tutmaz. AI stemlerinden pratikte ne bekleyebileceğinizi öğrenmek için günümüzde AI stem ayırmanın kalitesine bakın. Spleeter ile Demucs v4 arasındaki yaklaşık 3 dB fark, karşılaştırma testleri açısından büyüktür. Demucs özellikle davul ve vokal olmak üzere her stemde daha yüksek puan alır.

Aşağıdaki karşılaştırma videosunda farkı duyabilirsiniz. Demucs stemleri daha az artefaktla daha doğal duyulurken Spleeter karmaşık materyalde metalik çınlamalar üretebilir.

Gerçek Kullanımda Performansın Etkileri

Hız: Spleeter, 3 dakikalık bir parçayı GPU'da yaklaşık 2 saniyede işler. Demucs v4 yaklaşık 20 ila 30 saniye sürer. CPU'da Spleeter yaklaşık 30 ila 60 saniye sürerken Demucs 5 dakikadan uzun sürebilir.

Donanım: Spleeter, 8 GB RAM'li bir dizüstü bilgisayarda yalnızca CPU ile çalışır. Demucs v4'ün makul bir hız için 4 ila 8 GB VRAM'li bir GPU'ya ihtiyacı vardır. Transformer katmanları da dikkat matrisleri nedeniyle çok daha fazla bellek kullanır.

Artefaktlar: Spleeter miksin fazını yeniden kullandığından "hayaletimsi" vokaller ve bulanık geçici ataklar üretebilir. Demucs v4 daha doğal duyulur, ancak sessiz pasajlarda düşük seviyeli gürültü bırakabilir.

Dayanıklılık: SDX'23 yarışması, Demucs tarzı mimarilerin bozulmuş eğitim verileriyle daha iyi başa çıktığını gösterdi. Spleeter'ın daha basit mimarisi, filtrelenmiş veri kümeleri ve kayıp değerlerini kırpma gibi tekniklerden kolayca yararlanamaz.

Spleeter mı Demucs mu: Hangisini Kullanmalısınız?

Birçok prodüktör işe göre her ikisini de kullanır.

Spleeter Ne Zaman Kullanılır?

Hız önemliyse Spleeter kullanın: DJ setleri için hızlı a cappella kayıtlar, pratik için karaoke parçaları veya tüm örnek kütüphanesini toplu işleme. Gerçek zaman hızının 100 katına ulaşan hızı ve mütevazı donanım ihtiyacıyla rekabet etmek zordur. Stemleri daha sonra işleyeceğiniz remixler için de kalitesi yeterlidir.

Demucs Ne Zaman Kullanılır?

Artefaktlar kabul edilemez olduğunda Demucs v4'ü seçin: resmî remixler için stemler, ticari yayımlarda kullanılacak örnekler veya bir icranın ayrıntılı analizi. 3 dB'lik kalite artışı ve faz tutarlılığı beklemeye değer. Belirli bir türe ait materyaliniz varsa ek verilerle ince ayar eğitimi uygulayın, çünkü Demucs mimarisi temiz veriler arttıkça daha iyi ölçeklenir.

Spleeter ile Demucs'u Birlikte Kullanmak

Umut vadeden parçaları bulmak için tüm kataloğunuzda Spleeter'ı çalıştırın, ardından son seçiminizi Demucs ile işleyin. Canlı performans için Spleeter ile önceden ayırın. Stüdyo çalışmalarında en temiz stemler için Demucs kullanın. Ultimate Vocal Remover gibi araçlar, Demucs'u diğer ayırma modelleriyle birlikte basit bir grafik arayüzde sunar.

GPU'ya İhtiyacınız Var mı?

Spleeter CPU'da rahatça çalışır. Yüksek kaliteli Demucs iş akışlarında işlem süresini makul tutmak için GPU önerilir. Çevrimdışı veya dizüstü bilgisayarda rahatça yapılabilecek toplu işlemlerde Spleeter tarzı modeller hâlâ faydalıdır. Daha temiz stemler için Demucs ve daha yeni hibrit Transformer modelleri, genellikle bulutta işlemeyi veya daha güçlü bir yerel bilgisayarı haklı çıkarır.

2026 Güncellemesi: Spleeter ve Demucs'u Geçen Modeller

Spleeter ve Demucs hâlâ faydalı referanslardır, ancak artık stem ayırmada ulaşılabilecek en yüksek kaliteyi temsil etmiyorlar.

BS-RoFormer (Band-Split RoPE Transformer), spektrogramı frekans bantlarına ayırır ve bunları Transformer katmanlarıyla modeller. Makalesi, ek eğitim verisi olmadan MUSDB18-HQ üzerinde ortalama 9,80 dB SDR bildirir. Bu, ince ayar eğitimi uygulanmış Demucs v4'ün 800 ek şarkıyla ulaştığı 9,0 dB'den yüksektir. 500 ek şarkıyla eğitilmiş bir sürümü, Sound Demixing Challenge 2023 yarışmasının müzik ayırma kategorisinde birinci oldu.

Mel-Band RoFormer, frekansları mel ölçeğinde gruplandıran yakın bir akrabasıdır. Her iki modelin topluluk tarafından paylaşılan eğitilmiş ağırlıkları, bugün üst düzey vokal ve enstrümantal ayırıcıların çoğunda kullanılır. Vokal ayırma modelleri karşılaştırmamız bunları gerçek parçalar üzerinde sıralar. Enstrüman ayırma modelleri karşılaştırması da aynısını diğer enstrümanlar için yapar.

Neural Analog'un AI stem ayırıcısı, 4 stem ve 6 stem presetlerinde BS-RoFormer modellerini kullanır. Presetlerin kapsamadığı saksofon veya synth lead gibi bir enstrümanı çıkarmak istediğinizde ise SAM Audio kullanır. Tam liste için Neural Analog'un stem ayırmada kullandığı modellere bakın.

Spleeter ve Demucs Hakkında Sık Sorulan Sorular

Demucs Spleeter'dan daha mı iyi?

Kalite açısından evet. Demucs v4, MUSDB18 testinde Spleeter'dan yaklaşık 3 dB daha yüksek SDR elde eder ve vokal ile davullarda daha az artefakt üretir. Spleeter yalnızca hız veya sadece CPU içeren bir bilgisayar kaliteden daha önemli olduğunda daha iyidir.

Vokal için hangisi daha iyi: Spleeter mı Demucs mu?

Demucs. Spleeter özgün miksin fazını yeniden kullandığından vokalleri çoğu zaman ince veya "suyun içinden geliyormuş gibi" duyulur. En temiz vokaller ve enstrümantal sürümler için BS-RoFormer ya da Mel-Band RoFormer modeli genellikle ikisini de geçer.

Spleeter hâlâ geliştiriliyor mu?

Spleeter hâlâ GitHub'da bulunabilir, ancak TensorFlow üzerine kurulmuş bir 2019 modelidir. README, Apple M1 işlemcilerindeki TensorFlow sorunları hakkında uyarır. Daha yeni araçların çoğu Demucs veya RoFormer modellerine geçti.

Ultimate Vocal Remover (UVR) hangi modelleri kullanıyor?

UVR tek bir model değil, ücretsiz bir masaüstü uygulamasıdır. Demucs, MDX-Net ve kendi VR Architecture modelleri dâhil birkaç model ailesini bir araya getirir. Bu nedenle kalitesi seçtiğiniz modele bağlıdır.

Demucs'u GPU olmadan kullanabilir miyim?

Evet, ancak yavaştır. CPU'da her şarkı için birkaç dakika bekleyin. Çevrimiçi bir stem ayırıcı ise modeli sunucudaki GPU'da çalıştırır. Studio stem ayırma rehberi adımları gösterir.

İlgili Rehberler

• Bir Suno şarkısından davulları kaldırın: davul stemini ayırmanın pratik bir kullanımı.
• AI davullarını kendi kitinizle değiştirin: davulları ayırın, ardından vokalin etrafında yeni bir ritim kurun.
• MP3 stemlerini WAV kalitesine geri yükleyin: sıkıştırılmış kaynakların ve ayırma işleminin kaybettirdiği yüksek frekansları yeniden oluşturun.
• Bir stereo şarkıyı Dolby Atmos'a dönüştürün: ayrılmış stemleri bir Atmos miksine yerleştirin.
• AudioSR'yi GitHub'dan kurun ve çalıştırın: Python ve PyTorch kurulumu ile yerel olarak çalıştırabileceğiniz başka bir açık kaynaklı ses modeli.