複数の音が混ざった録音から、歌声や楽器などの要素を推定して取り出す技術。制作時に別々に録音した素材をそのまま取り出すこととは異なり、分離した音に別の音が残ったり、音質が変化したりする場合がある。
Water & Musicは、ステム分離を制作工程の一部に特化したAIの例として挙げる。学習には、混ざった音と分離された音の、多様で選別された参照例が必要だと説明している。楽曲全体を生成するモデルとは、データの規模だけでなく、利用目的も異なる。
日本からこの記事を読む際も、制作補助という用途と、そのための学習や素材利用の許諾は分けて捉える必要がある。記事は日本法上の扱いを説明しておらず、分離技術であることだけで利用条件が決まるわけではない。