Спрос подтверждается быстрым ростом StemKit, крупными смежными продуктами, заявленными многомиллионными аудиториями LALAL.AI и Moises и наличием платных моделей от pay-as-you-go до профессиональных desktop-инструментов.
ЗАХВАТ36
Основная технология доступна в бесплатных моделях и крупных продуктах; собственная модель, proprietary dataset и доказанный технологический moat отсутствуют. Удерживаемая ценность пока в UX и packaging.
ДОСТУП62
MIT-лицензия, релизы для macOS, Windows и Linux и уже решённые bundling-задачи облегчают старт, но проект молод, зависит от одного основного владельца, тяжёлых моделей и компонентов с отдельными лицензионными и операционными рисками.
«Слабый capture топит потенциал: технология уже бесплатна или встроена в крупные продукты, а StemKit пока владеет главным образом UX-слоем.»
Рыночный анализ · Обзор
StemKit — локальное desktop-приложение для поиска песен на YouTube, разделения их на отдельные stems и синхронного прослушивания в мини-микшере.
AI audio / music source separation / stem splitting / offline music production softwareЗРЕЛОСТЬ · РАСТЁТ
ЯЗЫК
TypeScript
ЛИЦЕНЗИЯ
MIT
РЕЕСТР
npm
РЕЛИЗ
v0.1.23
КОНТРИБЬЮТОРЫ
6
УСТАНОВКА: npm install stemkit
Что делает
StemKit по ссылке или поиску на YouTube получает песню, локально разделяет её на вокал, барабаны, бас, гитару, пианино и другие дорожки, а затем позволяет слушать их в синхронном интерфейсе. Пользователь может выбирать stems, менять громкость, включать mute/solo, перемещаться по waveform и экспортировать результат в WAV. Обработка выполняется локально с использованием Demucs, mel-band RoFormer-пайплайна, yt-dlp и ffmpeg.
Какую боль решает
Упрощает получение acapella, karaoke, инструментальных партий и stems без аккаунта, облачной загрузки файлов, ручной установки Python, GPU-зависимостей и сложной настройки локальных инструментов.
Сценарии использования
+Karaoke и создание acapella-версий.
+Обучение игре на гитаре, басе, барабанах, пианино и вокалу.
+DJ, remix, mashup и live-выступления.
+Подготовка stems для музыкального производства и DAW.
+Создание backing tracks, учебных материалов и контента.
+Локальная обработка пользовательских аудиофайлов с повышенным вниманием к приватности.
Целевой пользователь
Музыканты-любители, преподаватели, вокалисты, инструменталисты, DJs, remix-продюсеры, karaoke-креаторы и пользователи, которым нужен готовый локальный инструмент без аккаунта и облачной загрузки.
Исследовательская реализация и CLI для source separation; сильнее как эталонная модель и научный проект, но не предоставляет интегрированные YouTube-поиск, видеоплеер и готовый пользовательский workflow.
Полноценный GUI с большим набором моделей UVR, Demucs и MDX; сильнее по широте моделей и зрелости GUI, но ориентирован на локальные файлы и не объединяет YouTube, видео и синхронный mixer.
Известная библиотека и CLI для разделения на 2, 4 или 5 stems; сильнее по исторической узнаваемости, но это не готовый desktop-workflow, а актуальность моделей и текущая активность слабее современных решений.
Академическая reference implementation для source separation, обычно с четырьмя направлениями: vocals, drums, bass и other; подходит для исследований и интеграций, но не для обычного пользователя.
CLI и Python API поверх большого набора UVR-моделей с Docker, GPU-бэкендами и remote API-путём; сильнее для автоматизации, batch-обработки и backend-интеграций, но слабее как desktop-продукт.
Готовые binaries для Demucs на Windows, macOS и Linux; близок к desktop-аналогам, но фокусируется на локальных файлах и не связывает YouTube, видеоплеер и синхронные stems.
Позиционирование
StemKit — догоняющий в core source separation, поскольку опирается на существующие движки и модели, но нишевый потенциальный лидер в сценарии «локальный YouTube stem workstation». Его преимущество находится в UX и packaging: YouTube search, видео и stems в одном интерфейсе, локальная обработка, installers, автоматический выбор движка и синхронный mixer.
Облачное и локальное разделение вокала, инструментов, drums, bass, guitar и других компонентов; также предлагает desktop-приложение, API и VST-плагин.
Компания заявляет 6 793 709 зарегистрированных пользователей на конец 2025 года, 63 811 258 обработанных splits за 2025 год и рост базы пользователей на 79% год к году. Это заявленные компанией показатели.
Starterбесплатно
Lite$9.99/месяц или $90/год
Pro$19.99/месяц или $180/год
Top-up750 минут за $50; 3 000 минут за $190; 5 000 минут за $300
Музыкальное приложение для practice и production со stem separation, определением аккордов, управлением высотой тона и темпом, lyrics и другими функциями.
Moises сообщал о более чем 70 млн пользователей в декабре 2025 года; на странице продукта отображается показатель около 79,2 млн artists. Это marketing claims компании.
Consumer free tierбесплатно, с ограничениями
Consumer Premium/Proточные цены публично не показываются без входа
Профессиональное разделение музыки, речи и другого аудио для artists, labels, publishers, sync, karaoke, remixing и API-интеграций.
Компания привлекла $14 млн Series A в октябре 2025 года; в использованном пресс-релизе также указана команда примерно из 18 человек, около половины которой имеют PhD.
Полноценная DAW с функцией Stem Splitter для выделения drums, bass, vocals, guitar, piano и other.
Отдельные показатели по пользователям Stem Splitter не раскрыты.
Logic Pro for Mac$199.99, one-time
Apple Creator Studio$12.99/месяц или $129/год
Logic Pro for iPad$4.99/месяц или $49/год
Текущая монетизация проекта
Публичная монетизация StemKit не подтверждена. В README нет платных тарифов, облачного API, paid support или enterprise-предложения; installers распространяются через GitHub Releases. Дополнительные модели описаны как одноразовые загрузки, а проект отправляет только небольшой анонимный telemetry ping для подсчёта установок. По доступным материалам проект выглядит как hobby/early-validation project, а не как уже монетизируемый open-core бизнес.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
Заработать можно не на ещё одном generic stem-splitting engine, а на платном локальном музыкальном продукте: Pro-функциях, приватности, качестве, DAW-интеграции, batch и enterprise support. Публичный YouTube-сценарий нужно заменить или ограничить из-за copyright и ToS-рисков.
Спрос и рынок
Спрос в смежных категориях есть: пользователи платят за stem separation, скорость, удобство, приватность, API и музыкальный workflow. Рынок Music Production Software оценивается в использованном анализе примерно в $1,1 млрд в 2025 году с ростом до $1,7 млрд к 2032 году, а другой источник оценивает прирост на $504,2 млн в 2025–2030 годах. Эти оценки относятся к adjacent market, а не точно к StemKit.
Ров / защищённость
Сейчас moat слабый: базовые алгоритмы и модели доступны бесплатно, а похожий UX могут повторить крупные конкуренты или open-source-проекты. Потенциальная защита — сочетание local-first UX, quality-tuned собственной модели, аппаратного ускорения без настройки, библиотеки и быстрых повторных stems, DAW/MIDI/chords/lyrics-интеграций, enterprise on-premise режима и доверия к приватности.
Модели монетизации
+Freemium desktop-продукт с платными лучшими моделями, дополнительными stems, batch processing, WAV export, premium support и automatic updates.
+One-time лицензия desktop Pro с отдельной лицензией для коммерческого использования и платными major upgrades.
+B2B/on-premise пакет для музыкальных школ, студий, karaoke-компаний и media teams с batch API, корпоративными installers, SLA и поддержкой.
+VST3/AU/AAX plugin с локальным inference.
+Hosted API с оплатой за минуту только для пользовательских файлов и без акцента на публичное скачивание с YouTube.
+GitHub Sponsors и донаты как дополнительный канал.
Что нужно, чтобы сделать продукт
+Подписанные и notarized installers, устойчивые обновления и rollback.
+Публичный product website, понятные тарифы и платёжный контур.
+Privacy policy, opt-out telemetry, crash reporting и support workflow.
+Hardware compatibility matrix, benchmark results и тесты качества separation на разных жанрах.
+Стабильный model manager с проверкой checksum.
+Headless CLI/API и режим для legally owned local files без акцента на публичное скачивание с YouTube.
+Документированный license audit всех моделей, weights, ffmpeg, yt-dlp и bundled components.
+Дифференциация через proprietary model, качество, latency, batch, MIDI/chords/lyrics или DAW-интеграции.
+Проверка willingness-to-pay через ранний paid release.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
Лицензия репозитория MIT коммерчески благоприятна: код можно использовать, изменять, распространять и продавать в закрытом производном продукте при сохранении copyright notice и текста лицензии. Однако необходимо отдельно проверить лицензии моделей, weights, ffmpeg, yt-dlp, patched vendor code и других компонентов, а также права на музыку, пользовательский контент и ограничения обучающих данных. Для самого репозитория риск низкий, но лицензионный и юридический риск всего продукта высокий до проведения аудита.
Риски и подводные камни
ВЫСОКИЙЮР. СЕРАЯ ЗОНА
README предупреждает, что скачивание аудио с YouTube нарушает ToS для публичных продуктов. Коммерческая версия с основным сценарием «вставьте любую ссылку на YouTube» несёт фундаментальный copyright- и ToS-риск.
ВЫСОКИЙЛИЦЕНЗИЯ
MIT лицензия репозитория не покрывает автоматически сторонние модели, checkpoints, датасеты, patched vendor files, ffmpeg, yt-dlp и другие bundled components. Требуется отдельный license audit.
ВЫСОКИЙСЛАБЫЙ РОВ
Пользователь может получить сходный результат через Demucs, UVR, Spleeter, Logic Pro или облачные сервисы; собственной separation model, benchmark-лидера или proprietary dataset не подтверждено.
ВЫСОКИЙЗАВИСИМОСТЬ ОТ АВТОРА
Проект новый, версии 0.x, основной владелец один, а стабильность зависит от ML-движков, Python runtime, GPU-драйверов, ffmpeg и yt-dlp.
ВЫСОКИЙПРОЧЕЕ
Изменения challenge-механизмов, DRM-поведения и форматов YouTube могут регулярно ломать ключевой пользовательский сценарий.
СРЕДНИЙПРОЧЕЕ
Незавершённая notarization macOS, SmartScreen warnings и загрузка нескольких гигабайт engine снижают доверие и conversion rate.
СРЕДНИЙКОММОДИТИЗАЦИЯ
Artifacts, bleed и медленная CPU-инференция могут ухудшать пользовательский опыт и создавать нагрузку на поддержку по сравнению с LALAL.AI, Moises и Logic Pro.
СРЕДНИЙПРОЧЕЕ
Даже анонимный install ping может вызывать недоверие у аудитории, для которой privacy является главным value proposition.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-09-26 · ОКНО 3D
Оговорки / что не проверено
+Числа пользователей, обработанных splits, темпы роста и размер команд для LALAL.AI, Moises и AudioShake являются заявленными самими компаниями показателями, а не аудированной статистикой.
+Публичные цифры пользователей и выручки для Fadr, StemSplit, Acon Digital Remix, Serato DJ Pro и отдельной функции Stem Splitter в Logic Pro не подтверждены.
+Цены коммерческих продуктов собраны из указанных официальных страниц, но для Moises точные consumer Premium/Pro цены публично не отображались без входа.
+Звёзды open-source аналогов указаны как значения из собранного анализа; для Ultimate Vocal Remover GUI число отмечено как приблизительное, а для Spleeter — как значение в зафиксированной карточке GitHub.
+Оценки рынка Music Production Software относятся к смежной категории и не являются точным TAM для StemKit или desktop stem separation; методики источников различаются.
+Заявление о текущей немонетизации StemKit основано на README, package manifest и отсутствии найденных коммерческих признаков; отсутствие упоминания не доказывает отсутствие закрытых или будущих платежей.
+Утверждения о лицензиях сторонних моделей, weights, ffmpeg, yt-dlp и bundled components не были подтверждены отдельным аудитом; поэтому коммерческая юридическая оценка всего продукта предварительная.
+Copyright-, YouTube ToS-, DRM- и пользовательские контентные риски сформулированы как аналитический вывод из README и общего правового контекста, а не как юридическое заключение.
+Данные о возрасте репозитория, звёздах, форках, контрибьюторах, релизе, владельце, telemetry и составе продукта взяты из предоставленных фактов воронки, GitHub enrichment, README и package.json и не перепроверялись.
danielravina/stemkit собрал 72 звёзд за окно, тогда как у автора всего 67 подписчиков — эффективная аудитория ≈ 154. Это даёт surprise-индекс 0.12 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 42.9% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.