LANDR vs "AI Mastering" (edición de calidad de sonido)

Comparamos LANDR y AI Mastering en calidad de sonido.

Visión general

Propusimos un índice que pueda evaluar objetivamente la mezcla MEI 20190207.

Comparamos los sonidos de masterización con AI Mastering y LANDR en MEI 20190207.

Encontramos que AI Mastering tiene MEI 20190207 más alto que LANDR.

AI Mastering tiene una tendencia a que el rango de sonoridad sea mayor que el LANDR, el Boominess es pequeño, la profundidad es pequeña y el calor es pequeño.

* Ya que hay sonidos comparativos en las otras personas, por favor escuche

Método de comparación

Dominar varios sonidos con LANDR y AI Master y comparar los resultados con varios indicadores.

Sonido a comparar

Elegimos el sonido que se va a comparar del siguiente conjunto de datos de evaluación de mezcla. Este conjunto de datos de evaluación de mezcla incluye audio mezclado múltiple para varias canciones y resultados de evaluación subjetivos por varias personas para cada audio mezclado.

En la licencia de mezcla de audio, CC BY's, seleccionamos la que tiene el mayor rango de sonoridad para cada canción y la que tiene la calificación subjetiva promedio más baja como el tono de comparación de destino.

La razón es que es fácil de dominar sin artefactos cuando el rango de sonoridad es grande, y hay una falta de coincidencia en el dominio automático cuando la evaluación subjetiva es baja.

Consulte el repositorio de GitHub a continuación para obtener una lista de mezclas específica.

MixBrowser

THE MIX EVALUATION DATASET

Índice

MixEvaluationIndex20190207 (MEI20190207)

MixEvaluationIndex 20190207 (MEI 20190207) es un índice de evaluación objetiva de audio mixto construido utilizando datos de evaluación subjetiva de The Mix Evaluation Dataset. Es un índice de evaluación de audio mixto, pero creo que también se puede utilizar para evaluar el audio de masterización. Está destinado a la evaluación integral. Es el principal indicador en esta comparación.

MEI 20190207 se calcula por la suma ponderada de varios índices. Los índices originales son la matriz de covarianza de dispersión del espectro, la media del espectro, la dureza, la disonancia. En pocas palabras, lo calculo en función de la forma del espectro, el rango dinámico, la expansión del espacio, el ancho de banda del ataque y la cantidad de distorsión.

El audio mixto utilizado para el aprendizaje de peso es todo el audio mixto que se publica en MixBrowser, con vista previa de audio. Algún audio de vista previa fue 404 No encontrado.

MixBrowser

Loudness

Es la sonoridad definida por ITU-R BS.1770. Dependiendo de la plataforma que se va a entregar y de cómo el usuario escucha, es muy probable que las canciones con volumen alto se reproduzcan con sonidos más altos en comparación con otras canciones. Suena mejor mientras juegas con sonidos fuertes.

Si la calidad del sonido es la misma, la sonoridad debe ser grande.

Otros indicadores

Rango de sonoridad, True Peak

Configuración de masterización

Por favor, vea GitHub a continuación.

Resultado de comparación

Cambiar cantidad de MEI 20190207

Es el promedio de cambio de MEI 20190207 con respecto al original para todas las canciones. AI Mastering tiende a tener MEI 20190207 más alto que LANDR.

Loudness vs. Loudness range

Traje el promedio de todas las canciones en volumen y el promedio de todas las canciones en volumen con un diagrama de dispersión. En general, el volumen de sonoridad y el rango de sonoridad están en una relación de compensación, pero la disminución en el rango de sonoridad cuando AI Mastering tiene una sonoridad más alta que la de LANDR es pequeña.

True Peak

True Peak (inter sample peak) es un promedio de todas las canciones. Si True Peak es mayor que 0 dB, puede distorsionarse debido a la recodificación, etc., pero parece que hay casos en los que tanto AI Mastering como LANDR superan los 0 dB. Si establece Ceiling en True Peak en AI Mastering, puede evitar que True Peak supere los 0 dB, por lo que puede evitar la degradación de la calidad del sonido. LANDR es probablemente imposible de evitar porque no existe tal configuración.

Cambiar la cantidad de disonancia

La disonancia es un índice para medir el grado de disonancia. Se utiliza para calcular MEI 20190207, cuanto menor sea la Disonancia, mayor será el MEI 20190207.

Si establece el nivel de masterización en 1 en AI Mastering, la Disonancia parece aumentar. Establecer el nivel de masterización en 0.5 resultará en un aumento equivalente a LANDR.

Cambiar cantidad de dureza

La dureza es un índice para medir la dureza del sonido. Se utiliza para calcular MEI 20190207, y cuanto mayor es la dureza, mayor es el MEI 20190207. Tanto AI Mastering como LANDR parecen aumentar la Dureza.

Cambios en el boominess

El boominess es un índice para el grado boom. Los contenidos son el índice de auge propuesto a continuación. No se utiliza para el cálculo de MEI 20190207.

Booming index as a measurement for evaluation booming sensation

AI Mastering tiende a disminuir el boominess.

Cambiar cantidad de brillo

El brillo es un indicador de brillo. Se calcula mediante la combinación lineal del logaritmo de la relación de energía del componente de alta frecuencia con la energía total y el logaritmo de Spectral Centroid. No se utiliza para el cálculo de MEI 20190207.

D5.2: First prototype of timbral characterisation tool for semantically annotating non-musical content

AI Mastering y LANDR tienden a elevar el brillo.

Cambiar cantidad de profundidad

La profundidad es un indicador de profundidad. Se define en D 5.2 a continuación. De acuerdo con D 5.2, la profundidad tiene un significado espacial y un significado característico de frecuencia, pero este índice de Profundidad representa solo el significado característico de frecuencia. No se utiliza para el cálculo de MEI 20190207.

D5.2: First prototype of timbral characterisation tool for semantically annotating non-musical content

Según la definición, la profundidad aumentará si hay muchos componentes de baja frecuencia. AI Masterización tiende a disminuir la profundidad.

Cantidad de cambio de Calidez

El calor es un indicador de calor. La siguiente es una implementación. No se utiliza para el cálculo de MEI 20190207.

Timbral_Warmth.py (Github)

AI Mastering tiende a bajar el calor.

Comparación de sonido después de masterización.

Para cada canción, recogí tres de las originales, LANDR con el MEI 20190207 más grande, AI Mastering con MEI 20190207 el más grande. Dado que la sonoridad no está alineada, tenga cuidado con el sesgo debido a la diferencia de volumen.

Todas las listas de sonido están abajo. Pruebe MEI 20190207 si el sonido alto es realmente bueno. La notación de licencia de cada canción se describe en el directorio de audio de Github.

ai-mastering / mastering_comparison (Github)

In The Meantime

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Lead Me

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Not Alone

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Pouring Room

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Red To Blue

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Github

La información detallada se detalla a continuación.

ai-mastering/mastering_comparison (Github)

Atencion

Lo que se escribe como "AI Mastering" en el gráfico o Github representa AI Mastering.

Resumen

Comparé LANDR y AI Mastering.

Deja un comentario

Tu dirección de correo electrónico no será publicada.