Que sont les stems en musique, et comment fonctionne la séparation ?

01

Qu’est-ce qu’un stem ? Stems et multipistes

En studio, une chanson naît de nombreux enregistrements séparés : un micro sur la grosse caisse, un sur la caisse claire, deux overheads, une basse, trois guitares, la voix principale, quelques prises de chœurs. Ce sont les pistes d’un enregistrement multipiste, souvent plusieurs dizaines.

Les stems se situent un cran au-dessus. Chaque stem regroupe des pistes apparentées dans un seul fichier : tous les micros de batterie forment le stem batterie, toutes les voix le stem voix. Joués ensemble à leur niveau d’origine, les stems redonnent la chanson finale. Les artistes en distribuent pour des concours de remix, l’ingénieur de mastering s’en sert parfois, et les groupes les utilisent comme bandes d’accompagnement sur scène.

À la sortie d’un morceau, on ne dispose en général que du mixage stéréo final, où tout est fondu sur deux canaux. C’est là qu’intervient la séparation de stems : elle part du mixage terminé et estime à quoi ressemblaient les stems.

02

Les quatre stems obtenus et ce que chacun contient

Le Vocal Remover utilise le modèle Hybrid Transformer Demucs de Meta. Il sépare une chanson dans les quatre groupes du jeu de données de recherche sur lequel il a été entraîné :

03

Comment fonctionne un séparateur de stems par IA ?

Demucs est un réseau de neurones entraîné sur des chansons dont on connaissait les vrais stems. Pendant l’apprentissage, il écoutait le mixage, proposait une estimation pour chaque stem et était corrigé d’après les pistes réelles, des milliers de fois. Il sait ensuite faire la même estimation pour des morceaux qu’il n’a jamais entendus. D’après le dépôt Demucs, le modèle utilisé ici a été entraîné sur le jeu de données MUSDB et 800 chansons supplémentaires.

Hybrid Transformer Demucs analyse le son de deux façons à la fois. Une branche lit la forme d’onde, l’évolution du signal dans le temps. L’autre lit un spectrogramme, une image des fréquences présentes à chaque instant. Au centre, un transformer fait dialoguer les deux branches, ce qui permet au modèle de suivre une voix même quand une guitare joue les mêmes notes. Dans l’article scientifique qui le décrit, cette architecture atteint 9,20 dB de SDR sur le jeu de test MUSDB, une mesure courante de la qualité de séparation.

Une chanson entière ne tient pas d’un seul bloc dans le modèle. Le Vocal Remover la traite donc par tranches d’environ huit secondes qui se chevauchent, puis fond les chevauchements pour éviter toute couture audible. Le calcul se fait avec ONNX Runtime Web dans votre navigateur, sur la puce graphique si WebGPU est disponible, sinon sur le processeur. La chanson n’est jamais envoyée.

04

Importer des stems IA dans votre DAW

Chaque stem est un WAV stéréo en 44,1 kHz et 16 bits, exactement de la durée de la chanson d’origine. L’import est donc simple :

1. Télécharger les quatre stems

   Utilisez le bouton de téléchargement à côté de chaque stem. Les fichiers portent le nom de la chanson suivi du stem, ce qui les regroupe dans le dossier.

2. Créer un projet en 44,1 kHz

   Réglez la fréquence d’échantillonnage du projet sur 44,1 kHz, ou laissez le logiciel convertir les fichiers à l’import. Les deux fonctionnent ; une fréquence identique évite seulement une conversion.

3. Placer chaque stem tout au début

   Mettez chaque WAV sur sa propre piste et calez-le au tout premier instant de la timeline. Comme les quatre fichiers démarrent au même moment et ont la même durée, ils sont synchronisés.

4. Désactiver l’étirement automatique

   Certains logiciels détectent un tempo et étirent l’audio à l’import. Désactivez cette fonction pour les stems, sinon ils risquent de se décaler. Réglez le tempo du projet sur celui de la chanson si vous voulez que la grille suive le rythme.

5. Vérifier la somme

   Écoutez les quatre stems au même niveau. Le résultat doit être très proche de l’original. Vous pouvez alors couper, isoler, traiter ou remplacer chaque partie.

05

À quoi servent les stems ?

• Remix et mashup : garder la voix, remplacer batterie et basse, ou poser un nouveau beat sous l’acapella.
• Répétition : couper votre propre instrument et jouer avec le reste du groupe, ou l’écouter seul pour comprendre exactement ce qui est joué.
• Relevé : les accords s’entendent bien mieux dans le stem des autres instruments, sans voix ni batterie par-dessus.
• Sets de DJ : un stem voix ou batterie séparé permet des transitions impossibles avec le mixage final.
• Apprendre à mixer : entendre le niveau de la basse face à la grosse caisse, ou la quantité de réverbération sur une voix, en apprend plus que n’importe quel article.

06

Limites des stems IA et question des droits

Les stems IA sont des estimations. La réverbération de la voix peut laisser une trace discrète dans d’autres stems, des chœurs peuvent partir en partie dans les autres instruments, et un instrument proche de la voix, comme un synthé lead ou un violon, peut déborder dans le stem voix. Les enregistrements live et les fichiers à faible débit se séparent moins bien que les masters studio. Les stems officiels de l’artiste, quand ils existent, restent plus propres.

Séparer une chanson pour répéter, étudier ou expérimenter chez vous ne pose pas de problème. Publier un remix ou utiliser des stems dans une vidéo diffusée demande l’autorisation pour l’enregistrement et pour l’œuvre ; la FAQ de la SACEM rappelle que l’adaptation et l’arrangement relèvent du droit exclusif de l’auteur. Ceci n’est pas un conseil juridique.