LANDR बनाम "AI Mastering" (साउंड क्वालिटी)

हमने साउंड क्वालिटी में LANDR और AI मास्ट्रिंग की तुलना की।

अंतर्वस्तु

1 सारांश
2 तुलना विधि
3 तुलना परिणाम
4 महारत हासिल करने के बाद ध्वनि की तुलना
5 Github
6 सावधानी
7 सारांश
- 7.1 संबंधित लेख

सारांश

हमने एक इंडेक्स का प्रस्ताव किया है जो मिक्सी 20190207 के उद्देश्य का मूल्यांकन कर सकता है।

हमने MEI 20190207 में AI Mastering और LANDR के साथ महारत हासिल करने वाली आवाज़ों की तुलना की।

हमने पाया कि AI Mastering में LANDR की तुलना में MEI 20190207 अधिक है।

AI Mastering की एक प्रवृत्ति है कि ज़ोर रेंज LANDR से बड़ी है, Boominess छोटा है, गहराई छोटी है, और गर्मी छोटी है।

* चूंकि अन्य लोगों में तुलनात्मक ध्वनियाँ हैं, कृपया सुनें

तुलना विधि

LANDR और AI Mastering के साथ विभिन्न ध्वनियों को माहिर करना और विभिन्न संकेतकों के साथ परिणामों की तुलना करना।

तुलना करने के लिए ध्वनि

हमने निम्नलिखित मिक्स मूल्यांकन डेटा सेट से तुलना की जाने वाली ध्वनि को चुना। इस मिक्स मूल्यांकन डेटा सेट में विभिन्न गानों के लिए कई मिश्रित ऑडियो और प्रत्येक मिश्रित ऑडियो के लिए कई लोगों द्वारा व्यक्तिपरक मूल्यांकन परिणाम शामिल हैं।

मिक्स ऑडियो लाइसेंस, CC BY's में, हमने प्रत्येक गीत के लिए सबसे बड़ी लाउडनेस रेंज के साथ चयन किया और तुलनात्मक लक्ष्य टोन के रूप में निम्नतम औसत व्यक्तिपरक रेटिंग के साथ।

कारण यह है कि ज़ोर की सीमा बड़ी होने पर कलाकृतियों के बिना मास्टर करना आसान होता है, और व्यक्तिपरक मूल्यांकन कम होने पर स्वचालित माहिर का एक बेमेल होता है।

कृपया विशिष्ट मिश्रण सूची के लिए नीचे GitHub रिपॉजिटरी देखें।

MixBrowser

THE MIX EVALUATION DATASET

सूची

MixEvaluationIndex20190207 (MEI20190207)

MixEvaluationIndex 20190207 (MEI 20190207) मिक्स मूल्यांकन डेटासेट के व्यक्तिपरक मूल्यांकन डेटा का उपयोग करके निर्मित मिश्रित ऑडियो का एक उद्देश्य मूल्यांकन सूचकांक है। यह मिश्रित ऑडियो का एक मूल्यांकन सूचकांक है, लेकिन मुझे लगता है कि इसका उपयोग मास्टरिंग ऑडियो के मूल्यांकन के लिए भी किया जा सकता है। यह व्यापक मूल्यांकन के लिए अभिप्रेत है। यह इस तुलना में मुख्य संकेतक है।

MEI 20190207 की गणना विभिन्न सूचकांकों के भारित योग द्वारा की जाती है। मूल सूचकांक स्पेक्ट्रम के प्रसार सहसंयोजक मैट्रिक्स, स्पेक्ट्रम के साधन, कठोरता, विसंगति हैं। सीधे शब्दों में, मैं इसे स्पेक्ट्रम के आकार, गतिशील रेंज, अंतरिक्ष के प्रसार, हमले की बैंडविड्थ, और विरूपण की मात्रा के आधार पर गणना करता हूं।

वेट लर्निंग के लिए उपयोग किया जाने वाला मिश्रित ऑडियो सभी मिश्रित ऑडियो है जो प्रीव्यू ऑडियो के साथ मिक्सब्रोज़र में प्रकाशित होता है। कुछ पूर्वावलोकन ऑडियो 404 नहीं मिला।

MixBrowser

प्रबलता

यह ITU-R BS.1770 द्वारा परिभाषित की गई ज़ोर है। वितरित किए जाने वाले प्लेटफ़ॉर्म पर निर्भर करता है और उपयोगकर्ता कैसे सुनता है, यह अत्यधिक संभावना है कि ज़ोर से गाने अन्य गीतों की तुलना में ज़ोर से बजने की संभावना है। यह उतना ही अच्छा लगता है जितना आप तेज आवाज के साथ बजाते हैं।

यदि ध्वनि की गुणवत्ता समान है, तो जोर बड़ा होना चाहिए।

अन्य संकेतक

लाउडनेस रेंज, ट्रू पीक

सेटिंग माहिर

कृपया नीचे GitHub देखें।

तुलना परिणाम

एमईआई 20190207 की राशि बदलें

यह सभी गीतों के लिए मूल के संबंध में MEI 20190207 परिवर्तन का औसत है। AI मास्टेरिंग LANDR की तुलना में अधिक MEI 20190207 है।

लाउडनेस बनाम लाउडनेस रेंज

मैंने सभी गीतों के औसत को जोर से और सभी गीतों के औसत को एक बिखराव की साजिश के साथ जोर से लिखा। सामान्य तौर पर, लाउडनेस और लाउडनेस रेंज एक व्यापार-बंद संबंध में होते हैं, लेकिन एआई मास्टरिंग में जब एलएंडआर छोटा होता है, तो लाउडनेस रेंज में कमी होती है।

True Peak

ट्रू पीक (अंतर नमूना शिखर) सभी गीतों का एक औसत है। यदि ट्रू पीक 0 डीबी से बड़ा है, तो यह पुन: एन्कोडिंग आदि के कारण विकृत हो सकता है, लेकिन ऐसे मामले प्रतीत होते हैं, जहां एआई मास्टरींग और लैन्ड्र दोनों 0 डीबी से अधिक हो। यदि आप एआई मास्टरींग में सीलिंग टू ट्रू पीक सेट करते हैं, तो आप ट्रू पीक को 0 डीबी से अधिक होने से रोक सकते हैं, जिससे आप ध्वनि की गुणवत्ता में गिरावट से बच सकते हैं। LANDR से बचना असंभव है क्योंकि ऐसी कोई सेटिंग नहीं है।

डिसोनेंस की राशि बदलें

विसंगति की डिग्री को मापने के लिए विच्छेद एक सूचकांक है। इसका उपयोग MEI 20190207 की गणना के लिए किया जाता है, जो Dissonance जितना कम होगा, MEI 20190207 उतना ही अधिक होगा।

यदि आप एआई मास्टरींग में मास्टर स्तर को 1 पर सेट करते हैं, तो असंगति बढ़ जाती है। मास्टर स्तर को 0.5 पर सेट करने से LANDR के बराबर वृद्धि होगी।

कठोरता की मात्रा बदलें

कठोरता ध्वनि की कठोरता को मापने के लिए एक सूचकांक है। इसका उपयोग MEI 20190207 की गणना करने के लिए किया जाता है, और कठोरता जितनी अधिक होगी, MEI 20190207 उतना ही अधिक होगा। एआई मास्टरींग और LANDR दोनों ही कठोरता को बढ़ाते हैं।

बूमनेस में बदलाव

Boominess Boomy डिग्री के लिए एक सूचकांक है। सामग्री बूमिंग इंडेक्स नीचे प्रस्तावित हैं। इसका उपयोग MEI 20190207 की गणना के लिए नहीं किया जाता है।

तेजी से बढ़ती अनुभूति के मूल्यांकन के माप के रूप में तेजी सूचकांक

AI मास्टीरिंग Boominess को कम करता है।

चमक की राशि बदलें

चमक चमक का सूचक है। इसकी गणना उच्च आवृत्ति घटक के ऊर्जा अनुपात के लॉगरिदम के कुल ऊर्जा और स्पेक्ट्रल सेंट्रोइड के लघुगणक के रैखिक संयोजन द्वारा की जाती है। इसका उपयोग MEI 20190207 की गणना के लिए नहीं किया जाता है।

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

ऐ मास्टरिंग और LANDR ब्राइटनेस को बढ़ाते हैं।

गहराई की मात्रा बदलें

गहराई का एक संकेतक है गहराई। यह नीचे डी 5.2 में परिभाषित किया गया है। डी 5.2 के अनुसार, गहराई का स्थानिक अर्थ और आवृत्ति विशेषता अर्थ है, लेकिन यह गहराई सूचकांक केवल आवृत्ति विशेषता अर्थ का प्रतिनिधित्व करता है। इसका उपयोग MEI 20190207 की गणना के लिए नहीं किया जाता है।

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

परिभाषा के अनुसार, कई कम आवृत्ति घटक होने पर गहराई बढ़ेगी। AI मास्टीरिंग गहराई को कम करता है।

गर्मी के परिवर्तन की मात्रा

गर्मजोशी गर्मी का सूचक है। निम्नलिखित एक कार्यान्वयन है। इसका उपयोग MEI 20190207 की गणना के लिए नहीं किया जाता है।

Timbral_Warmth.py (Github)

एआई मास्टरींग गर्मजोशी को कम करता है।

महारत हासिल करने के बाद ध्वनि की तुलना

प्रत्येक गीत के लिए, मैंने तीन मूल, सबसे बड़े MEI 20190207 के साथ LANDR, MEI 20190207 सबसे बड़ी के साथ AI Mastering उठाया। चूंकि लाउडनेस संरेखित नहीं है, इसलिए कृपया वॉल्यूम के अंतर के कारण पूर्वाग्रह से सावधान रहें।

सभी ध्वनि सूची नीचे हैं। कृपया MEI 20190207 प्रयास करें कि क्या उच्च ध्वनि वास्तव में अच्छी ध्वनि है। प्रत्येक गीत का लाइसेंस नोटेशन गीथूब की ऑडियो निर्देशिका के तहत वर्णित है।

ai-mastering / mastering_comparison (जीथूब)