Stems sind in der Musikproduktion unverzichtbar geworden. Ob beim Sampling, Remixen oder DJing, Stems haben Einfluss auf viele Teile der Musikproduktion. Aber was sind Stems oder auch Stämme genau und wie können Sie diese nutzen? Hier erfahren Sie alles, was Sie wissen müssen, um Audio-Stämme in Ihren Workflow zu integrieren.

Definition: Stems

Stems sind separate Audio-Dateien, die aus einem Musikstück exportiert werden und jeweils einen bestimmten Teil des Songs repräsentieren. Typische Audiostämme sind Drums, Gesang oder auch der Bass, welche Sie auch im Screenshot sehen. Sie spielen eine entscheidende Rolle im Arbeitsprozess vieler Produzent’innen und Musiker’innen.

Stems: Übersicht eines Musikausschnitts unterteilt in Vocals, Bass, Drums und Gitarre

Übersicht typischer Audio Stämme in einer Digital Audio Workstation. Screenshot: Jonathan Postawka

Vor- und Nachteile von Stems

Die Verwendung von Stämmen bietet mehrere Vorteile:

  1. Flexibilität: Stems ermöglichen es, bestimmte musikalische Elemente zu isolieren und individuell zu bearbeiten oder zu teilen, ohne den gesamten Song zu beeinflussen.
  2. Effizienz: Der Export ist in Sekunden vollzogen, was eine schnelle Wiederverwendung ermöglicht.
  3. Kreativität: Stämme ermöglichen es, Remixe zu erstellen oder Elemente bestehender Tracks neu zu interpretieren.

Allerdings gibt es auch bedeutende Nachteile:

  1. Urheberrechtsverletzung: Durch den Zugriff auf einzelne Bausteine eines Musikstücks wird es einfacher, den Stil von Künstler’innen zu kopieren oder sogar Teile der Musik unlizenziert weiterzuverwenden.
  2. Integration: Neue Standards wie MPEG-H, die verschiedene Stem-Profile in einer Datei speichern, haben sich nicht durchgesetzt. Sie erfordern mehr Arbeit von Musikschaffenden und konkurrieren stark mit der Karaoke und Play-a-long Branche. Zusätzlich erschweren Software- und Hardware-Anforderungen eine Branchenweite Integration.

Anwendung von Audiostämmen

Audio-Stämme erstellen Sie in der Regel in Digitalen Audio-Workstations (DAWs). Abhängig von den Möglichkeiten der einzelnen DAW, können Nutzer’innen einzelne Stämme auswählen und in Audioformaten wie WAV oder AIFF exportieren, um präzise Kontrolle über die einzelnen Audio-Dateien zu haben. Viele Anbieter im Internet stellen auch Stems zum Herunterladen bereit. Audiostämme bieten folgende Anwendungsbereiche:

  1. Mixing und Mastering: Stems ermöglichen eine präzise Anpassung des Sounds und bieten eine bessere Kontrolle über die verschiedenen Elemente eines Songs.
  2. Live-Auftritte: DJs und Live-Acts nutzen Stems, um in Echtzeit Manipulationen vorzunehmen und dynamische Performances zu ermöglichen. Zum Beispiel lassen sich mit Stems Mash-ups produzieren, in denen der Beat eines Songs mit den Akkorden und dem Gesang eines anderen kombiniert werden.
  3. Lizenzierung: In der Musiklizenzierung, insbesondere in der Synchronlizenzierung für Film und Fernsehen, verwenden Sound-Engineers Stems, um Musik an spezifische Szenen oder Emotionen anzupassen. Der Beat kann in einer Action-Szene auf voller Lautstärke bleiben, während Akkorde und Melodie leiser abgespielt werden, damit Dialoge nicht untergehen.
  4. Distribution: Durch die Gliederung und Aufteilung des Audiomaterials können einzelne musikalische Elemente eines Songs geteilt werden, ohne dass dabei Zugriff auf die trockene Aufnahme oder jedes einzelne Sample möglich ist.

Künstliche Intelligenz bei der Stem-Extraktion

In jüngster Zeit hat die künstliche Intelligenz (KI) Fortschritte in der Musikproduktion gemacht, auch im Bereich der automatischen Stem-Separation. Durch ein voriges Training werden dann charakteristische Merkmale jedes Instruments oder Gesangs erkannt. Dies ermöglicht eine präzise und zeiteffiziente Extraktion von einzelnen Stems, wodurch Musikproduzent’innen, DJs und Forscher’innen von einer verbesserten Flexibilität und Genauigkeit in ihrer Arbeit profitieren können. Weitere Informationen über den Einsatz von KI in der Musikbranche finden Sie im Artikel über unsere Ausstellung zu Musik und KI.

Quellen

Kharah, D., Parekh, D., Suthar, K., & Shirsath, V. (2021). Audio stems separation using deep learning. International Journal of Engineering Research & Technology (IJERT), 10(03). http://www.ijert.org ISSN: 2278-0181