Audio-Stem-Extraktor

Assumption: Das Tool zielt auf die Quelltrennung von Musik ab und extrahiert Stems aus Stereoaufnahmen. Zielgruppe sind Musikproduzenten, Remixer, Lehrkräfte und Toningenieure, die isolierte Komponenten für Remix, Übung oder Analyse benötigen. Die Spezifikation beschreibt Zweck, Logik, Wert, Zielgruppe und einzigartige Differenzierer, ohne UI- oder Marketing-Flair.\n\nZweck & Benutzerziel: Das Tool löst das Problem, diskrete Audio-Stems (Vocals, Drums, Bass und weitere Instrumente) aus einem gemischten Track zu erhalten. Benutzer sind typischerweise Produzenten, Lehrkräfte, Künstler, die Stems für Übungszwecke vorbereiten. Das Tool fungiert als Backend-Service oder API, der Audioeingaben, eine angeforderte Stem-Liste und ein Ausgabeformat akzeptiert und verwendbare getrennte Dateien sowie Metadaten zurückliefert.\n\nKernlogik & Funktionen: Pflichtfunktionen: (1) audio_input: unterstützte Datei (mp3, wav, flac) bis zu definierter Größe, (2) stems_requested: Liste der zu extrahierenden Stems (z.B. [\'vocals\',\'drums\',\'bass\',\'other\']), (3) output_format: ZIP-Archiv oder einzelne Stem-Dateien, (4) processing_pipeline: neuronale Quelltrennung mit Nachbearbeitung zur Rauschunterdrückung. Fortgeschrittene Funktionen (optional): (a) separation_quality: Standard oder Hochqualität, (b) batch_mode: Warteschlange und Verarbeitung mehrerer Tracks, (c) metadata_export: Dauer, Abtastrate, Bit-Tiefe und Stem-Bezeichnungen.\n\nEingaben & Ausgaben: Eingaben umfassen audio_input (Datei, erforderlich), stems_requested (Array, erforderlich), output_format (String, erforderlich), separation_quality (String, optional), target_sample_rate (int, optional). Ausgaben sind: Stems als WAV/AIFF, ZIP oder Verzeichnis-Archiv, und eine Metadaten-JSON mit Dauer und Stem-Zuordnung. Validierung erzwingt unterstützte Formate, Dateiintegrität und angemessene Dateigrößen.\n\nAlgorithmen & Berechnungen: Das Tool verwendet spektralbasierte neuronale Quelltrennung, um Masken für jeden Ziel-Stem zu schätzen. Anschließend wird eine inverse STFT zur Rekonstruktion des Zeitbereichs-Audios genutzt, gefolgt von optionaler Artefaktunterdrückung und Pegelnormalisierung. Stems erhalten zeitlich konsistente Bezeichnungen und eine einheitliche Ausrichtung für Nachremix.\n\nFehler & Grenzfälle: Nicht unterstützte Formate melden sich mit präzisen Fehlercodes; beschädigte Dateien werden abgelehnt; maximale Track-Länge/Größe wird durchgesetzt; niedrig-konjunkt-Stems mit Konfidenzmetrik gekennzeichnet. Falls einige Stems fehlen, werden verfügbare Stems mit Warnhinweis in den Metadaten zurückgegeben.\n\nIndustrie/Region & Lokalisierung: Verwendet gängige Audioformate (WAV/AIFF) und typische Abtastraten (22,05 kHz–96 kHz). Metadaten verwenden ISO-basierte Dauer und UTC-Zeitstempel. Es gelten keine länderspezifischen Lizenzbedingungen; Benutzer müssen Rechte am Originaltrack beachten.\n\nAnnahmen & Ausschlüsse: Es wird angenommen, dass Eingabetracks Bearbeitungsrechte besitzen; das Tool erteilt keine Lizenzen für kommerzielle Wiederverwendung der Stems. Echtzeit-Streaming-Trennung und Nicht-Audio-Eingaben sind ausgeschlossen.