StemDeck：免费开源的本地 AI 音频分离工具，无账户、无上传、无订阅

原文来源：GitHub - stemdeckapp/stemdeck — 免费、本地的开源音频分离工具，把歌曲拆成人声和伴奏等 6 个音轨，音频不出本机。

想从一首歌里抽出人声做练习伴奏、分离鼓点研究编曲、或者做混音素材？以往这类需求基本被 Moises、LALAL.AI 这类云端服务垄断：把音频传上服务器，处理完再下载，免费额度用完就订阅。StemDeck 是这类服务的开源替代——完全本地运行，不注册、不上传、不付费，目前 GitHub 上已有 3000 多星。

它解决什么问题

StemDeck 的核心能力是音源分离（stem separation）：把一首歌拆成最多 6 个独立音轨——人声、鼓、贝斯、吉他、钢琴和其他。用途非常实际：歌手要消音版伴奏、贝斯手想单独听低音线条、制作人想扒某个乐器段落、播客想分离背景音乐和人声。隐私敏感的场景（比如商用素材、未发布 demo）也可以放心处理，音频从头到尾不出本机。

和云端方案对比，定位差异很清楚：StemDeck 免费、本地、无账户；Moises/LALAL.AI 是 freemium 订阅制、云端处理。StemDeck 的 README 甚至主动放了一张诚实对比表，承认商业产品在模型质量、移动端、额外功能（变调、和弦检测、歌词等）上仍然领先——它只认真覆盖核心场景，不假装全能。

功能一览

• 6 轨分离：基于 Meta AI 开源的 Demucs htdemucs_6s 模型，自动检测最佳计算设备（NVIDIA CUDA / Apple Silicon MPS / CPU 回退）
• 双输入方式：粘贴 YouTube 链接，或直接拖入 MP3、WAV、FLAC、OGG/Opus、MP4、M4A 文件
• DAW 风格编辑器：波形缩放、循环播放、多轨对齐预览，每轨独立推子、静音、独奏，带实时 VU 电平表
• 自定义混合导出：选任意音轨组合导出 WAV，或保留"原曲减去所选轨"的伴奏轨做 A/B 对比
• 歌曲分析：BPM（librosa 节拍追踪）、调性和弦（Albrecht-Shanahan profile）、响度（ITU-R BS.1770 LUFS）、峰值电平
• 任务可取消：处理中途取消会终止子进程、清理临时目录
• 库管理：按文件夹组织曲目，拖拽、搜索、回收站

技术架构

StemDeck 的栈相当干净：Python 3.12 + uv 管理依赖，FastAPI 提供 REST 和 SSE 后端，桌面壳用 Tauri v2（Rust），前端是纯 vanilla JS + Web Audio API，波形用 canvas 的 min/max 采样渲染——没有框架、没有构建步骤。视频下载走 yt-dlp，转码混音走 FFmpeg，BPM/调性分析用 librosa，响度测量用 pyloudnorm。可选的 lead/backing 人声分离还集成了 UVR-MDX-NET Karaoke 2 模型（来自 Ultimate Vocal Remover 项目）。

几个值得注意的工程细节。模型权重（约 170 MB）首次运行自动下载，之后走缓存，后续启动秒开；桌面版首次启动自备 Python 运行时（约 500 MB），不需要用户装任何系统依赖；Windows 版全部文件自包含在应用目录里，拷到哪都能跑。后端还暴露了完整的 REST API（/api/jobs、SSE 事件流、stem 导出、取消），意味着它可以被脚本化调用——不只是个图形工具。

上手路径

最简单的用法是下载桌面版：macOS 有 Apple Silicon（MPS 加速）和 Intel 两个 DMG，Windows 有 CPU 版和 NVIDIA CUDA 版（约 1.6 GB）。首次启动下载运行时和模型，之后拖入文件、选要分离的音轨、点 Process，等待 Analyzing → Separating → Mixing 完成即可。

想跑在服务器上也有多种方式：Linux/macOS 用 ./run.sh setup && ./run.sh start，Windows 用 PowerShell 跑 uvicorn，或者直接 docker compose up。NVIDIA GPU 用户装 CUDA 版 torch 后设置 STEMDECK_DEMUCS_DEVICE=cuda 即可加速；Unraid NAS 用户还能从社区应用商店一键安装。CPU-only 也能跑，就是慢——GPU 上几秒到几十秒的活，纯 CPU 可能要几分钟。

适合谁，不适合谁

适合：想免费分离音轨的业余音乐人、扒谱学习者；在意音频隐私、不想把文件传上云的人；喜欢自托管、想把这套东西接进自己工作流的开发者；NAS 用户。

不适合：需要移动端 App 的（没有 iOS/Android 版）；需要变调、和弦检测、歌词等进阶功能的（README 明说没有）；追求商业级分离质量或批量处理（一次只处理一个任务）；以及"只想下载 YouTube 音频"的人——StemDeck 是分离工具，不是下载器，README 反复强调这一点。

一句话总结：如果你要的是"本地、免费、够用"的音源分离，StemDeck 是目前最省心的开源选择；如果你需要的是打磨过的产品体验和全套音乐人工具，商业服务仍然值得付费。

值得注意的限制和细节

几个使用中会碰到的实际限制，README 都写得很坦白。单次任务默认拒绝超过 1200 秒（20 分钟）的音频，可以用 STEMDECK_MAX_DURATION_SEC 调整；任务目录默认保留 24 小时后自动清理（STEMDECK_JOB_TTL_SECONDS 可配）；同时最多排 3 个任务，超出返回 503。服务器重启后内存中的任务列表会清空，但磁盘上的文件都还在。

处理速度取决于硬件：NVIDIA GPU 上 Demucs 走 CUDA、Apple Silicon 走 MPS，都是秒级到分钟级；纯 CPU 慢很多但能用。首次运行要下载约 170 MB 模型权重，之后全部走缓存。如果你在意"音频不出本机"，它的隐私边界很干净：处理全程本地，唯一需要联网的是 YouTube 下载和首次模型拉取。

开发者视角还有一个加分项：完整 REST API（/api/health、/api/jobs 的增删查和 SSE 事件流、stem 的 WAV/MP3 流式导出、混音 MP4 输出）意味着可以把它嵌入自己的工具链——比如做批量处理脚本、或者接进音乐教学应用的后端，而不用碰它的桌面 UI。