O que é o StemDeck?
O StemDeck é uma ferramenta open source para separar uma música em faixas individuais, conhecidas como stems. Em vez de trabalhar apenas com o arquivo estéreo completo, o usuário pode obter vocais, bateria, baixo, guitarra, piano e outros instrumentos em canais separados.
A proposta é executar o processamento na própria máquina. O projeto não exige conta, assinatura ou envio permanente do áudio para um serviço externo. Isso torna a ferramenta interessante para quem estuda produção musical, testa aplicações de IA ou prefere manter arquivos pessoais longe de servidores de terceiros.
O projeto é mantido publicamente no GitHub pela organização stemdeckapp e usa o modelo htdemucs_6s, da família Demucs. A popularidade recente vem da combinação de processamento local, interface visual e uma stack que também interessa a desenvolvedores, com Python, FastAPI, eventos enviados pelo servidor e Tauri.
Como funciona
O fluxo começa com um arquivo de áudio local ou uma URL do YouTube que o usuário tem direito de processar. O StemDeck prepara o áudio, analisa o material e executa o modelo de separação escolhido. O resultado é organizado em faixas que podem ser reproduzidas e mixadas na interface.
O modelo htdemucs_6s faz a separação em até seis grupos: vocais, bateria, baixo, guitarra, piano e outros elementos. O dispositivo de execução pode ser detectado automaticamente, usando CUDA em uma GPU NVIDIA, MPS em Apple Silicon ou CPU quando não houver aceleração disponível.
Na arquitetura, o backend usa FastAPI e Server-Sent Events para informar o andamento dos trabalhos ao navegador. A interface mostra estados como análise, separação e mixagem sem exigir que a página seja recarregada. Nos aplicativos para macOS e Windows, o shell de desktop é baseado em Tauri v2.
O processamento local não elimina a necessidade de hardware. Uma GPU tende a acelerar o trabalho, enquanto uma máquina apenas com CPU pode levar mais tempo em arquivos longos.
Principais recursos
O recurso central é a separação de até seis stems. Depois do processamento, cada faixa pode ser silenciada, isolada, ajustada no volume ou monitorada individualmente. Também existe uma faixa Original, que representa o complemento dos elementos escolhidos para comparação.
O editor visual exibe formas de onda alinhadas, zoom, região de loop e um cursor de reprodução compartilhado. O mixer oferece volume, mute, solo e monitoramento. O áudio selecionado pode ser somado e exportado em um arquivo WAV de mixagem.
O StemDeck também analisa BPM, tonalidade, escala, confiança, loudness integrado em LUFS e pico de amostra em dBFS. Jobs podem ser cancelados no meio do pipeline, e a biblioteca organiza faixas por pastas, pesquisa e lixeira.
- Importação flexível: MP3, WAV, FLAC, OGG, Opus, MP4 e M4A, além de URLs do YouTube.
- Controle de stems: selecione apenas as faixas que deseja extrair para reduzir trabalho desnecessário.
- Atalhos: espaço para reproduzir, colchetes para avançar ou voltar, L para loop e I ou O para marcar os limites.
Como começar: instalação ou acesso passo a passo
Quem quer apenas experimentar pode baixar um instalador nas releases do projeto. Há pacotes para macOS e arquivos compactados para Windows, incluindo uma opção com suporte a CUDA para GPUs NVIDIA. No primeiro uso, os pacotes preparados baixam o runtime, o FFmpeg e o modelo do Demucs.
Para rodar o servidor a partir do código no Windows, instale o uv e o FFmpeg. No PowerShell, os comandos documentados pelo projeto são:
winget install astral-sh.uv
winget install Gyan.FFmpegDepois, clone o repositório, sincronize as dependências e inicie o Uvicorn. O backend ficará disponível localmente na porta 8000:
git clone https://GitHub.com/stemdeckapp/stemdeck stemdeck
cd stemdeck
uv sync
uv run uvicorn app.main:app --host 127.0.0.1 --port 8000 --timeout-graceful-shutdown 5Abra http://localhost:8000 no navegador. A primeira execução pode baixar o modelo do Demucs, com cerca de 170 MB. Se você tiver uma GPU NVIDIA, a documentação também descreve a instalação do PyTorch com CUDA e a variável STEMDECK_DEMUCS_DEVICE definida como cuda.
O FFmpeg e o modelo precisam de espaço em disco. Reserve também tempo para a primeira preparação, especialmente em uma instalação feita a partir do código-fonte.
Exemplo prático
Imagine uma pessoa que tem uma gravação de ensaio e quer estudar a linha de baixo. Ela abre o StemDeck, arrasta o arquivo de áudio para a barra de importação e escolhe apenas baixo e outros nos chips de stems.
Após clicar em Process, a interface mostra o progresso da importação, da análise, da separação e da mixagem. Quando o trabalho termina, o dashboard exibe as faixas alinhadas. A pessoa pode silenciar vocais e bateria, ativar o loop em um trecho e aumentar o volume do baixo.
Se a intenção for levar o resultado para outro programa, basta exportar a mixagem selecionada em WAV. Para uma inspeção rápida, os atalhos de teclado permitem reproduzir, avançar cinco segundos, marcar um loop e ajustar o zoom sem tirar as mãos do teclado.
uv run uvicorn app.main:app --host 127.0.0.1 --port 8000Esse exemplo mostra uma vantagem importante para desenvolvedores: o mesmo projeto pode ser usado pela interface web local ou integrado pela API. O endpoint de jobs aceita uma requisição JSON com uma URL e uma lista de stems, ou um upload multipart de arquivo.
Comparação com alternativas
Moisés, LALAL.AI e serviços parecidos costumam oferecer aplicativos mais polidos, acesso móvel e recursos extras. Em troca, dependem da nuvem, de conta e de limites ou planos para uso frequente. A qualidade e a velocidade também podem variar conforme o serviço escolhido.
O StemDeck ocupa outra posição. Ele é gratuito, open source e roda na máquina do usuário. A internet é necessária para baixar o modelo na primeira execução e para trabalhar com uma URL do YouTube, mas o áudio local não precisa ser enviado para um servidor de processamento.
A escolha depende do objetivo. Para uso móvel, processamento rápido em qualquer computador e ferramentas musicais adicionais, uma solução comercial pode ser mais conveniente. Para estudo pessoal, privacidade, controle do ambiente e curiosidade técnica, o StemDeck tem um diferencial claro.
- StemDeck: processamento local, código aberto e sem conta.
- Serviços comerciais: maior polimento, aplicativos móveis e recursos adicionais.
- Ferramentas de linha de comando: mais automação, porém com menos recursos visuais prontos.
Pontos positivos e limitações
O principal ponto positivo é a privacidade. O processamento de arquivos locais acontece no computador, sem depender de upload para uma plataforma de terceiros. A ausência de conta, quota e assinatura também facilita testar a ferramenta sem compromisso.
Outro destaque é a transparência técnica. A stack combina componentes conhecidos, como Python, FastAPI, Demucs, FFmpeg e Tauri. Para quem desenvolve, isso facilita observar o fluxo, adaptar a execução e estudar uma aplicação de IA que lida com jobs longos e atualizações de progresso.
Há limitações reais. A ferramenta não oferece aplicativo móvel, processa um job por vez e depende do hardware local. Também não tenta substituir recursos como mudança de tom, detecção de acordes, letras ou outras funções presentes em produtos musicais mais completos.
Use apenas arquivos e URLs que você tem direito de processar. A existência de uma função de importação não transforma material protegido em conteúdo livre para download ou redistribuição.
Casos de uso reais
Um estudante de produção musical pode isolar vocais e bateria para entender como um arranjo foi construído. Com loop e mixer, ele compara trechos curtos e prática a identificação de timbres sem precisar de uma sessão multifaixa original.
Um produtor independente pode criar uma base de estudo a partir de uma gravação que possui. A faixa Original e o complemento dos stems ajudam a comparar o resultado processado com o áudio completo, enquanto o export em WAV mantém o fluxo compatível com uma DAW.
Um desenvolvedor pode usar o projeto como laboratório de IA aplicada. A combinação de FastAPI, SSE, FFmpeg, filas de processamento e um modelo neural oferece exemplos concretos de integração entre backend, interface e tarefas demoradas.
Um professor ou instrutor pode demonstrar conceitos de áudio digital em uma máquina local. O aluno observa a separação, acompanha os estados do job e testa os efeitos de CPU, GPU, seleção de stems e duração do arquivo sem enviar material de aula para a nuvem.
Dicas e boas práticas
Comece com um trecho curto e um arquivo em um formato comum. Assim fica mais fácil perceber se FFmpeg, modelo e dispositivo de execução estão configurados corretamente antes de iniciar um trabalho longo.
Escolha somente os stems necessários. Se você quer estudar a bateria, não precisa extrair todas as seis faixas em cada teste.
Observe o dispositivo usado pelo Torch e compare os tempos em CPU, CUDA ou MPS quando essas opções estiverem disponíveis. A configuração automática é um bom ponto de partida, mas a variável STEMDECK_DEMUCS_DEVICE permite testar um dispositivo específico.
Separe o diretório de jobs e o cache do modelo em um disco com espaço. Isso reduz surpresas quando você processa várias faixas ou usa o modo portátil.
Por fim, trate o job como uma tarefa que pode demorar e ser cancelada. Evite fechar a aba durante uma operação importante, mantenha cópias dos arquivos originais e confira o resultado antes de apagar qualquer material intermediário.
Separação por IA gera artefatos em alguns trechos. Use a audição crítica e não considere o stem exportado uma cópia perfeita da gravação original.
Vale a pena?
O StemDeck vale a pena para quem quer separar áudio localmente, estudar produção musical ou explorar uma aplicação de IA com código aberto. A combinação de seis stems, mixer visual e execução sem conta resolve bem um cenário de estudo e experimentação.
Ele não é a melhor escolha para quem precisa de aplicativo móvel, lotes grandes, processamento remoto ou ferramentas musicais avançadas. Nesses casos, serviços comerciais podem economizar tempo e entregar uma experiência mais completa.
O próximo passo é abrir o repositório oficial, escolher entre uma release pronta e a instalação pelo código, e testar um arquivo curto que você tenha autorização para usar. Se a privacidade e o controle do ambiente importam para o seu fluxo, essa é uma maneira prática de conhecer IA aplicada sem começar por uma infraestrutura de nuvem.