Hallo zusammen,
ich bin zufällig über diesen Thread gestolpert und möchte auch einige Worte dazu beitragen:
Ich glaub man kann das so schon zusammenfassen, Spielerei ja, und hängt natürlich alles noch stark vom Ausgangsmaterial ab, aber STEMS in Studioqualität sind einfach nicht möglich.
Korrekt. Stems in 1:1-Studioqualität bekommt man nur auf eine Art und Weise: Die originalen Recordings besorgen.
Alles andere ist mehr oder weniger Wunschdenken. Keine KI kann aus einem dichten Mix wieder die Ursprungsdaten separieren, das sollte einem jedoch auch vorher klar sein. Je nach Komplexität und Qualität der Aufnahme kommen dennoch teilweise überraschend gute Ergebnisse heraus, manchmal auf Anhieb, manchmal mit reichlich Herumprobieren.
Ich habe eben weil es mich interessiert hat ebenfalls mit Demucs V4 die Vocals Isoliert, das Ergebnis ist sogar noch etwas besser als in dem Video, das könnte allerdings auch daran liegen das ich die CD rausgekramt hatte und kein mp3 benutzt habe.
Das wäre natürlich eine Fehlerquelle wo ich auch mal vergleichen muss, schrottiger Youtube Rip oder 320k gekauftes mp3.
Ansonsten hab ich meinen oben genannten Track mal in melody.ml geschmissen und ich muss sagen, das ist deutlich besser geworden als was VirtualDJ daraus gemacht hat. Die Drums kommen ziemlich trocken und knackig raus. Allerdings auch Drums komplett auf einer Spur, VirtualDJ hat ja noch versucht Bassdrum und Hihat zu trennen, was nicht gut gelang.
Die Bass/Vocals/Other Spuren enthalten schon an etlichen Stellen einigen Matsch, der Gesamtklang stimmt aber einzeln bearbeitet werden da die Schwächen deutlich.
Wichtiges Thema: Für die Stem-Separation NIEMALS eine Ausgangsdatei nutzen, die mit einem verlustbehafteten Verfahren komprimiert wurde. Immer nur WAV, FLAC oder ähnliches, darf auch gern hochaufgelöst sein.
Wenn man ein wenig darüber nachdenkt, wie die anderen Encoder (MP3, OGG, usw) arbeiten, kommt man auch schnell drauf: Dort werden ja beispielsweise leise Töne, die von lauteren überdeckt werden und dadurch ohnehin praktisch unhörbar sind, komplett eliminiert. Ebenso werden Frequenzbänder unterschiedlich behandelt und auch hier wieder Frequenzen, die im Mix untergehen, ausradiert. Es gehen also Informationen unwiederbringlich verloren, die man aber für das Separieren von Stems benötigt. Insofern klingt das Ergebnis bei MP3 praktisch immer schlechter als bei FLAC. Je nach Komplexität des Mixes mal mehr, mals weniger.
Bassdrum, Hihat und andere perkussive Instrumente sauber voneinander zu trennen ist ein absoluter Glücksfall und klappt so gut wie nie. Da stoßen die Modelle halt an ihre Grenzen. Eine gemeinsame Drum-Spur auszugeben funktioniert mittlerweile jedoch recht gut, das war in den Anfängen noch ganz anders.
Aus meinen eigenen Tests kann ich neben den bereits erwähnten vor allem mvsep.com wärmstens empfehlen. Dort gibt es einen ganzen Haufen unterschiedlichster Modelle zum Ausprobieren. Je nach Song klingt man das eine, mal das andere besser. Durch die Fülle an Einstellmöglichkeiten bekommt man mit etwas Geduld sehr oft gute Ergebnisse heraus. Es gibt dort auch ganz verrückte Dinge wie einen Crowd-Filter, um das Publikum bei Liveaufnahmen auszublenden
Den von
@ModulationMatrix erwähnten Song habe ich mal fix durchgejagt (in der Youtube-Qualität) und fand das Ergebnis echt okay. Auch Phil Collins wurde ziemlich gut abgeliefert, je nach Modell sogar mit kaum hörbarer Gitarre.
Was ich dort noch nicht angetestet habe sind die Premium-Modelle, bislang war ich noch zu geizig, mir dafür Credits zu kaufen. Aber kommt sicher auch noch, die Neugierde ist schon mal da.
Insgesamt kann man sagen: Unkomprimiertes Ausgangsmaterial und Geduld (beim Testen der verschiedenen Modelle) sind fast immer der Weg zum Erfolg.
github.com
