Stem（词干音轨）是指在影视后期制作中，将对白、音乐、音效等不同音频元素分别独立录制和处理的单一音轨，是专业混音工程的重要组成部分。
技术细节
标准 Stem 以 24 位/48kHz 的 WAV 或 AIFF 格式提供，电影制作中也常使用 24 位/96kHz。典型的 5.1 Stem 包含六个独立声道（左、中、右、左环绕、右环绕、低频效果），而现代的 7.1.2 Atmos 制作每个 Stem 可包含多达十个声道。常见的做法区分 Pre-Dub Stems（单个类别的中间混音）和 Final Stems（最终混音后的声音组）。Stem 通常以 -20dBFS 的参考电平创建，不包含压缩或限制。
历史与发展
Stem 技术在 20 世纪 70 年代与多声道音频技术并行发展，当时录音室开始为国际发行存档独立的音频元素。随着 Pro Tools (1991) 和 Fairlight (1979) 等数字工作站的引入，Stem 的创建得以标准化。面向对象音频（Dolby Atmos, 2012）的过渡将包含空间元数据的 Stem-Objects 概念扩展到其中。Netflix 等现代流媒体平台自 2018 年起强制要求所有原创制作提供独立的 Stem。
在电影中的实际应用
克里斯托弗·诺兰的《敦刻尔克》(2017) 使用了汉斯·季默的 Shepard Tone 作品的独立 Stem，以便为不同场景版本后期调整强度。在《疯狂的麦克斯：狂暴之路》(2015) 中，声音设计师 Mark Mangini 创建了超过 40 个载具 Stem，这些 Stem 在每个动作序列中被单独重新组合。《敦刻尔克》的混音师曾表示，他使用 Stem 来为不同版本电影调整音效的强度，例如在 IMAX 版本中增加低频的冲击力。Stem 允许在不访问原始 Pro Tools 工程文件的情况下进行后期调整，并且对于国际版本至关重要，因为对话 Stem 可以被本地化版本替换。
比较与替代方案
Stem 与 Track（单个音频轨道）的区别在于其已混音的性质，与 Layback（成品混音）的区别在于其可编辑性。ADM-BWF 文件（音频定义模型）正逐渐取代传统 Stem，因为它们除了音频外还包含渲染信息。纯立体声制作通常只需要简单的 Track 导出，而复杂的 VR 制作则依赖于 B 格式的 Ambisonic Stem。Netflix 制作要求提供不含对话的 M&E Stem（音乐与效果）用于国际发行。