13 октября 2026 г. · Анатолий Крылов, редактор Тераферма
Нейросеть для разделения трека на дорожки: кейс музыканта — стемы, ноты, демо
Нейросеть для разделения трека на дорожки, открытая модель Demucs, раскладывает песню на вокал, барабаны, бас, гитару и клавишные за 10–20 секунд на видеокарте. Преподаватель гитары разобрал так 300 треков примерно за полтора часа арендованной RTX 3090 (около 39 ₽), а заодно перевёл партии в ноты и сделал демо своих песен. Ниже разбираем инструменты, команды, время, стоимость и что пошло не так.
Это собирательный пример: герой придуман, но инструменты, время работы и цены — реальные, по тарифам Терафермы.
Сергей — гитарист и преподаватель. Ведёт онлайн-школу: 40 учеников, разборы песен, упражнения. Каждую неделю он делает для учеников минусовки (трек без гитары, чтобы играть поверх) и табулатуры партий. Раньше это занимало у него выходные: искать минус в интернете (часто плохого качества или вовсе нет), снимать партию на слух, записывать в нотный редактор.
Ещё одна его задача: демо собственных песен: он пишет музыку, но на аранжировку с барабанами и басом нет ни времени, ни денег на студию.
Часть 1. Разделение треков на дорожки
Инструмент: открытая модель Demucs (htdemucs и вариант с 6 дорожками). Она разделяет запись на вокал, барабаны, бас, гитару, клавишные и остальное.
Видеокарта: модели нужно немного памяти, поэтому подходит даже RTX 3060 за 12 ₽ в час. Сергей взял RTX 3090 за 26 ₽: на ней песня разделяется за 10–20 секунд, а загрузки идут быстрее благодаря хорошему каналу у машины.
Процесс:
- Загрузил на сервер архив из 300 треков, которые разбирает с учениками.
- Запустил скрипт: для каждой песни получилась папка с отдельными дорожками в WAV.
- Минусовка «без гитары» собирается из остальных дорожек одной командой.
- Скачал результат архивом и остановил сервер.
Весь архив обработался примерно за час. Качество зависит от записи: на современных студийных треках разделение почти чистое, на старых концертных записях в дорожке гитары слышны «призраки» вокала. Для учебной минусовки этого достаточно.
Часть 2. Перевод партий в ноты и табы
Инструмент: открытая модель Basic Pitch от Spotify переводит звук в MIDI: какие ноты и когда звучат. Работает лучше всего на чистой отдельной дорожке, которую как раз дал Demucs.
Процесс: дорожка гитары → Basic Pitch → MIDI-файл → импорт в нотный редактор (Guitar Pro, MuseScore) → табулатура.
Честный результат: для одноголосых партий (соло, риффы, басовые линии) получалось хорошо, Сергею оставалось поправить ритм и аппликатуру. Для аккордовых партий с перегрузом нейросеть путалась, и он снимал их по старинке, но уже с чистой изолированной дорожкой, а это в разы проще, чем с полного микса.
Часть 3. Демо собственных песен
Это самая экспериментальная часть.
Инструменты: открытые модели генерации музыки: MusicGen от Meta и Stable Audio Open. Они умеют продолжать мелодию и создавать аккомпанемент по описанию: «медленный блюз-рок, живые барабаны, бас, 80 ударов в минуту».
Видеокарта: для генерации музыки нужно больше памяти, поэтому на эти сессии Сергей брал RTX 4090 за 48 ₽.
Как он работал:
- Записывал дома гитару и вокал под метроном.
- Генерировал ритм-секцию (барабаны и бас) по описанию стиля и темпа. 10–15 вариантов на песню, из них выбирал лучший.
- Сводил всё в своей программе для записи.
Честно о качестве: сгенерированные барабаны и бас дают черновик аранжировки, а не студийный результат. Для демо, которое отправить группе, продюсеру или выложить идею в соцсети, этого достаточно. Для релиза Сергей потом записал барабаны с живым барабанщиком, но уже по готовой аранжировке.
Сколько видеопамяти и времени нужно
| Задача | Модель | Видеопамять | Время на RTX 3090 |
|---|---|---|---|
| Разделение песни на 4–6 дорожек | Demucs htdemucs | 3–7 ГБ | 10–20 секунд на трек |
| Перевод дорожки в MIDI | Basic Pitch | 1–2 ГБ | несколько секунд |
| Ритм-секция по описанию, 30 секунд | MusicGen | 8–16 ГБ в зависимости от размера модели | 20–60 секунд |
Basic Pitch — лёгкая модель, она работает и на обычном процессоре. Сергей запускал её на сервере только потому, что дорожки уже лежали там после Demucs, и скачивать их ради MIDI не было смысла.
Генерация музыки оказалась единственной задачей, где памяти нужно заметно больше. Для неё Сергей отдельно брал RTX 4090 с 24 ГБ: на ней помещаются крупные версии моделей, и генерация идёт быстрее. Для разделения дорожек хватает RTX 3090 или даже RTX 3060 с 12 ГБ.
Качество разделения: на что рассчитывать
| Тип записи | Результат Demucs | Для чего годится |
|---|---|---|
| Современный студийный трек | почти чистые дорожки | минусовки, разбор партий, MIDI |
| Концертная запись | в гитаре слышны вокал и зал | минусовки для занятий |
| Старая запись 60–70-х, стерео | заметные «призраки» других инструментов | разбор партии на слух |
| Моно или запись с кассеты | дорожки сильно смешаны | только как подсказка |
Отдельно о гитаре и клавишных. Шестидорожечная модель выделяет их хуже, чем вокал, барабаны и бас: в дорожке гитары часто остаются клавишные и наоборот. Для минусовки «без гитары» это почти не мешает, а для точного разбора партии иногда приходится слушать и дорожку «остальное».
Почему не на своём ноутбуке
Demucs работает и на процессоре. Сергей проверил: на его ноутбуке одна песня разделялась около четырёх минут, то есть архив из 300 треков занял бы почти сутки непрерывной работы — с шумящими вентиляторами и без возможности пользоваться компьютером. На арендованной RTX 3090 тот же архив обработался за час, а следующие партии по 20–30 песен для новых уроков занимают 10 минут работы карты (около 4,4 ₽).
Как повторить: пошагово
1. Подготовьте файлы дома. Сложите треки в одну папку, назовите файлы латиницей без пробелов и запакуйте в архив. 300 MP3 по 8–10 МБ весят около 3 ГБ и грузятся быстрее, чем WAV.
2. Арендуйте RTX 3090 с шаблоном PyTorch. Сервер готов через 2–5 минут, дальше работа идёт в Jupyter в браузере.
3. Установите инструменты. В терминале: pip install demucs basic-pitch. Установка вместе со скачиванием весов занимает 5–10 минут.
4. Запустите разделение. Команда demucs -n htdemucs_6s --mp3 -o stems *.mp3 раскладывает каждый трек на шесть дорожек. Для минусовки без гитары удобнее --two-stems guitar: получаются два файла: гитара и всё остальное.
5. Переведите нужные дорожки в MIDI. mkdir -p midi && basic-pitch midi stems/htdemucs_6s/*/guitar.mp3, и MIDI-файлы появятся в папке midi.
6. Скачайте архив и остановите сервер. После остановки данные с машины удаляются, поэтому всё нужное забирайте до неё.
7. Доработайте у себя. MIDI — в Guitar Pro или MuseScore, минусовки — в программу для записи.
Демо делаются отдельной сессией на RTX 4090: установка MusicGen, 10–15 вариантов ритм-секции на песню, выбор лучшего. На пять песен ушло около четырёх часов, включая прослушивание вариантов.
Сколько это стоило
| Задача | Карта | Часы | Стоимость |
|---|---|---|---|
| Разделение 300 песен на дорожки | RTX 3090 | 1,5 | ≈ 39 ₽ |
| Перевод 60 партий в MIDI | RTX 3090 | 0,5 | ≈ 13 ₽ |
| Демо 5 песен: генерация ритм-секции | RTX 4090 | 4 | ≈ 192 ₽ |
| Итого | 6 | ≈ 52 ₽ (RTX 3090) + 192 ₽ (RTX 4090) |
Час студийного времени обычно стоит дороже, чем вся эта работа видеокарты вместе взятая.
Что пошло не так
Закончилось место на диске. Первый запуск Demucs сохранял дорожки в WAV: 300 треков по 6 дорожек заняли десятки гигабайт, и диск сервера заполнился на середине. Решение: флаг --mp3: размер упал примерно в десять раз, а для учебных минусовок качество MP3 не хуже.
Громкие мастеры давали искажения. На современных «пережатых» по громкости треках в отдельных дорожках были слышны щелчки. Помогло понизить громкость исходника на несколько децибел перед разделением.
Генерация длиннее 30 секунд распадалась. MusicGen создаёт фрагменты примерно по 30 секунд, и при склейке темп и сбивки «плыли». Сергей генерировал ритм-секцию по частям (куплет, припев, бридж) и склеивал их в программе для записи по сетке темпа.
Ноты для аккордов получались кашей. Об этом выше: Basic Pitch хорошо справляется с одноголосыми партиями, а плотные аккорды с перегрузом проще снять на слух, слушая уже чистую дорожку.
Важно про авторские права
Разделённые дорожки чужих песен Сергей использует только для обучения: ученики играют поверх минусовки у себя дома. Публиковать каверы с оригинальными дорожками или ремиксы без разрешения правообладателя нельзя: это нарушение авторских прав, и видеоплатформы такие ролики блокируют.
С генерацией музыки тоже стоит быть внимательным: у моделей разные лицензии на коммерческое использование результата. Для демо и личного использования проблем нет, для релиза — проверьте лицензию модели.
Кому подойдёт
- Преподавателям музыки — минусовки, разборы, ноты для учеников.
- Музыкантам и авторам песен — демо, черновые аранжировки, поиск идей.
- Звукорежиссёрам — восстановление старых записей, когда нет отдельных дорожек.
- Подкастерам и видеоблогерам — очистка голоса от фоновой музыки и шума.
Не подойдёт, если нужны студийные стемы для релиза или сведения чужого трека: даже лучшие модели оставляют артефакты, которые слышны на хорошей акустике и после обработки эффектами. Для коммерческого ремикса нужны оригинальные мультитреки от правообладателя. И не стоит ждать от генерации музыки готового трека: это быстрый способ услышать аранжировку до студии, а не замена живым музыкантам.
Если разборы нужны раз в неделю на 10–20 песен, удобнее держать готовый скрипт и запускать сервер на 15–20 минут: установка, разделение, скачивание, остановка.
Сергей подготовил минусовки и дорожки для всей программы школы за один вечер, сократил время на табулатуры примерно вдвое и сделал демо пяти своих песен. Видеокарта на всё ушла меньше, чем стоит одна репетиция.
Повторить можно на RTX 3090 или RTX 4090 из каталога с шаблоном PyTorch: Demucs и Basic Pitch ставятся одной командой. Сколько видеопамяти нужно под конкретную модель, подскажет VRAM-калькулятор. Если нужно ещё и расшифровать речь (уроки, подкасты, интервью), посмотрите статью про Whisper на видеокарте.