ในการผลิตเสียงสเต็มคือชุดแหล่งกำเนิดเสียงที่แยกหรือรวมกลุ่มกัน ซึ่งมักจะ ผสมเข้าด้วยกันโดยบุคคลคนเดียว เพื่อนำไปประมวลผลในขั้นตอนต่อไปเป็นหน่วยเดียว สเต็มเดียวอาจส่งมาในรูปแบบโมโน สเตอริโอ หรือหลายแทร็กสำหรับเสียงรอบทิศทาง^{[ 1 ]}

จุดเริ่มต้นของกระบวนการนี้สามารถพบได้ในการผลิตภาพยนตร์ที่ไม่ใช่ภาพยนตร์เงียบในยุคแรกๆ ในภาพยนตร์เรื่องDas Land ohne Frauen ( ดินแดนที่ปราศจากผู้หญิง)ซึ่งเป็นภาพยนตร์ดราม่าเสียงขนาดยาวเรื่องแรกที่สร้างโดยชาวเยอรมันทั้งหมด ออกฉายในปี 1929 บทสนทนาในภาพยนตร์ประมาณหนึ่งในสี่ส่วนนั้นถูกแยกออกจากเทคนิคพิเศษและดนตรีอย่างเคร่งครัด

ในการผสมเสียงสำหรับภาพยนตร์การเตรียมสเต็มเป็นกลยุทธ์ทั่วไปเพื่ออำนวยความสะดวกในการผสมเสียงขั้นสุดท้าย บทสนทนา ดนตรี และเอฟเฟกต์เสียง เรียกว่า "DME" จะถูกนำมาผสมเสียงขั้นสุดท้ายในรูปแบบสเต็มแยกต่างหาก การใช้การผสมสเต็มทำให้สามารถแทนที่บทสนทนาด้วยเวอร์ชันภาษาต่างประเทศได้อย่างง่ายดาย เอฟเฟกต์สามารถปรับให้เข้ากับระบบโมโน สเตอริโอ และเซอร์ราวด์ต่างๆ ได้อย่างง่ายดาย และดนตรีสามารถเปลี่ยนแปลงให้เข้ากับอารมณ์ที่ต้องการได้ หากสเต็มของดนตรีและเอฟเฟกต์ถูกส่งไปยังสถานที่ผลิตอื่นเพื่อแทนที่บทสนทนาภาษาต่างประเทศ สเต็มที่ไม่ใช่บทสนทนาเหล่านี้จะเรียกว่า "M&E" ^{[ 1 ] [ 2 ] [ 3 ]}สเต็มของบทสนทนาจะถูกใช้โดยลำพังเมื่อตัดต่อฉากต่างๆ เข้าด้วยกันเพื่อสร้างตัวอย่างภาพยนตร์ หลังจากนั้นจึงผสมดนตรีและเอฟเฟกต์บางส่วนเข้าไปเพื่อสร้างลำดับที่สอดคล้องกัน^{[ 4 ]}

เมื่อทำการผสมเสียงดนตรีสำหรับการบันทึกเสียงและสำหรับการแสดงสดสเต็มคือกลุ่มของแหล่งกำเนิดเสียงที่คล้ายคลึงกัน เมื่อโครงการขนาดใหญ่ใช้คนมากกว่าหนึ่งคนในการผสมเสียง สเต็มสามารถช่วยอำนวยความสะดวกในการทำงานของวิศวกรผสมเสียงขั้นสุดท้ายได้ สเต็มดังกล่าวอาจประกอบด้วยเครื่องดนตรีประเภทสายทั้งหมด วงออร์เคสตราเต็มรูปแบบ เสียงร้องประสาน เครื่องดนตรีประเภทเคาะจังหวะเท่านั้น ชุดกลองชุดเดียว หรือกลุ่มอื่นๆ ที่อาจช่วยให้การผสมเสียงขั้นสุดท้ายง่ายขึ้น สเต็มที่ถูกเตรียมไว้ในลักษณะนี้อาจถูกผสมเข้าด้วยกันในภายหลัง เช่น สำหรับโครงการบันทึกเสียงหรือสำหรับการฟังของผู้บริโภค หรืออาจถูกผสมพร้อมกัน เช่น ในการแสดงสดที่มีองค์ประกอบหลายอย่าง^{[ 5 ]}ตัวอย่างเช่น เมื่อบาร์บรา สเตรซานด์ออกทัวร์ในปี 2006 และ 2007 ทีมงานฝ่ายผลิตเสียงใช้คนสามคนในการควบคุมคอนโซลผสมเสียง สามตัว : ตัวหนึ่งสำหรับผสมเสียงเครื่องสาย ตัวหนึ่งสำหรับผสมเสียงเครื่องเป่าทองเหลือง เครื่องเป่าลมไม้ และเครื่องดนตรีประเภทเคาะจังหวะ และอีกตัวหนึ่งอยู่ภายใต้ การควบคุม ของวิศวกรหลัก บรูซ แจ็กสันในกลุ่มผู้ชม ซึ่งประกอบด้วยอินพุตไมโครโฟนของสเตรซานด์และสเต็มจากคอนโซลอีกสองตัว^{[ 6 ]}

ไฟล์เสียงแยกแต่ละส่วน (Stems) อาจถูกส่งให้กับนักดนตรีในสตูดิโอบันทึกเสียง เพื่อให้นักดนตรีสามารถปรับระดับเสียงของเครื่องดนตรีและเสียงร้องอื่นๆ ในหูฟังได้ โดยสัมพันธ์กับระดับเสียงของตนเอง นอกจากนี้ ไฟล์เสียงแยกแต่ละส่วนอาจถูกส่งไปยังผู้บริโภคเพื่อให้พวกเขาสามารถฟังเพลงที่มีการผสมผสานองค์ประกอบต่างๆ อย่างลงตัว (ดูรายชื่อผลงานเพลงที่เผยแพร่ในรูปแบบไฟล์เสียงแยก แต่ละส่วน )

ในศตวรรษที่ 21 เป็นเรื่องปกติที่ผู้ผลิตเพลงจะขาย ลิขสิทธิ์เพลง บรรเลงให้กับแร็ปเปอร์หรือนักร้องเพื่อนำไปแสดงและบันทึกเสียง หนึ่งในประเภทลิขสิทธิ์ที่พบได้บ่อยที่สุดคือ "Premium Stem License" ซึ่งลูกค้าจะได้รับไฟล์เสียงบรรเลงที่แยกแทร็กออกมาแล้ว ทำให้ศิลปินสามารถควบคุมการผสมเสียงของเพลงสุดท้ายได้มากขึ้น^{[ 7 ]}

หากไม่มีไฟล์เพลงในรูปแบบสเต็ม (stem) สามารถใช้ซอฟต์แวร์แยกองค์ประกอบต่างๆ ของเพลง เช่น เสียงร้อง เครื่องดนตรี และกลอง ออกเป็นสเต็มได้ จากนั้นสามารถนำสเต็มเหล่านี้ไปใช้ในการรีมิกซ์เพลง สร้าง เวอร์ชัน บรรเลงหรืออะแคปเปลลาและสร้างเพลงผสมผสาน (mashup)ได้ แม้ว่าจะไม่ได้รับอนุญาตจากเจ้าของลิขสิทธิ์ก็ตาม

ซอฟต์แวร์ที่มีฟังก์ชันการแยกเสียงประกอบด้วยเวิร์กสเตชันเสียงดิจิทัล บางตัว (เช่นFL Studio ) ปลั๊กอิน VSTซอฟต์แวร์ดีเจ และแอปพลิเคชันแบบสแตนด์อโลนเฉพาะทาง (เช่นiZotope RXและ Spleeter, Stemsplit ^{[ 8 ]} )

สามารถใช้ Stem ในการมิกซ์เพลงในการแสดงสดของดีเจได้ดีเจสามารถเลือกมิกซ์องค์ประกอบของเพลง เช่น เครื่องดนตรี เสียงร้อง และกลอง จากหลายๆ แทร็กขณะแสดงสดได้

การผสมสเต็มแบบสดสามารถทำได้ด้วยเพลงที่เผยแพร่ในรูปแบบสเต็มหรือเพลงที่ผ่านการประมวลผลผ่านการแยกสเต็ม ซอฟต์แวร์ดีเจที่มีฟังก์ชันการแยกสเต็มอาจบันทึกสเต็มในไฟล์เสียง แยกต่างหาก (เล่นได้บนอุปกรณ์ดีเจใดๆ) หรือในรูปแบบไฟล์เฉพาะ (เล่นได้เฉพาะบนฮาร์ดแวร์ซอฟต์แวร์ที่เข้ากันได้) ซอฟต์แวร์ดีเจบางตัวสามารถ แยกสเต็มแบบเรียลไทม์ ได้ทำให้สามารถผสมสเต็มกับไฟล์เพลงมาตรฐานหรือแม้แต่เพลงสตรีมมิ่งได้ อย่างไรก็ตาม เนื่องจากพลังการประมวลผลที่จำเป็น ณ ปี 2025 การแยกสเต็มแบบเรียลไทม์บนฮาร์ดแวร์เฉพาะทางยังไม่แพร่หลาย แม้ว่า Denon จะปล่อยเฟิร์มแวร์เบต้าสำหรับการแยกสเต็มแบบเรียลไทม์บนตัวควบคุมฮาร์ดแวร์เฉพาะทาง Prime 4+ แต่คุณภาพเสียงไม่ดี^{[ 9 ]}และฟังก์ชันนี้ถูกลบออกในภายหลังและแทนที่ด้วยฟังก์ชันการผสมสเต็มซึ่งต้องใช้ไฟล์สเต็มส่งออกจากคอมพิวเตอร์ที่ใช้ซอฟต์แวร์ Engine DJ ^{[ 10 ]}

บริการสตรีมมิ่งบางบริการจำกัดหรือปิดใช้งานการแยกสเต็มในซอฟต์แวร์ดีเจ ในเดือนตุลาคม 2023 Tidalได้ปิดใช้งานฟังก์ชันการแยกสเต็มสำหรับดีเจ^{[ 11 ]}ตั้งแต่นั้นมา Tidal ได้เปิดใช้งานฟังก์ชันนี้อีกครั้ง แต่ต้องเสียค่าสมัครสมาชิกเพิ่มเติม^{[ 12 ]}การแยกสเต็มถูกปิดใช้งานสำหรับ Spotify และApple Music [ ^{13 ] [ 14 ] Beatport}อนุญาตให้แยกสเต็มบนซอฟต์แวร์ที่เข้ากันได้ เช่น Serato DJ ^{[ 15 ]}

ซอฟต์แวร์ดีเจที่มีความสามารถในการแยกเสียงแต่ละส่วน ได้แก่Rekordbox , Serato DJ , VirtualDJ , Djay , Traktorและ Engine DJ ^{[ 16 ]}

• การผสมและมาสเตอร์เสียง
• รายชื่อผลงานเพลงที่เผยแพร่ในรูปแบบไฟล์เสียงแยกแต่ละส่วน (stem format)
• ผู้เล่น STEM