LANDR vs "AI Mastering"(음질 편)

LANDR과 AI Mastering을 음질면에서 비교했습니다.

요약

MEI20190207는 믹스를 객관적으로 평가할 수있는 지표를 제안했습니다.

AI Mastering과 LANDR에서 마스터 링 한 소리를 MEI20190207 비교했습니다.

AI Mastering은 LANDR보다 MEI20190207이 높은 것으로 나타났습니다.

AI Mastering은 LANDR보다 음량 범위가 크고 Boominess가 작고 Depth가 작고 Warmth가 작은 경향이 있다는 것을 발견했습니다.

※ 다음으로 비교 음이 있기 때문에 들어보세요

비교

다양한 소리를 LANDR과 AI Mastering 마스터 링하고 결과를 다양한 지표로 비교했습니다.

비교 대상 소리

비교 대상 음은 다음 믹스 평가 데이터 세트에서 선택했습니다. 이 믹스 평가 데이터 세트에는 다양한 곡에 대한 여러 오디오 믹스와 각각의 오디오 믹스에 대한 복수 인에 의한 주관적 평가 결과가 포함됩니다.

오디오 믹스의 라이센스가 CC BY 것들 사이에서 각 노래에 대해 음의 범위가 가장 큰 것과 주관적 평가의 평균이 가장 낮은 것을 비교 대상 톤으로 선택했습니다.

음량 범위가 큰 유물없이 마스터하기 쉬운 것과 주관적 평가가 낮은 것은 자동 마스터 링의 도시가있는 것이 이유입니다.

콘크리트 믹스 목록은 아래의 GitHub 저장소를 참조하십시오.

MixBrowser

THE MIX EVALUATION DATASET

지표

MixEvaluationIndex20190207 (MEI20190207)

MixEvaluationIndex20190207 (MEI20190207)는 The Mix Evaluation Dataset의 주관적 평가 데이터를 사용하여 구축 한 오디오 믹스의 객관적 지표입니다. 오디오 믹스의 지표이지만, 마스터 링 오디오의 평가에도 사용할 수 있다고 생각합니다. 종합적인 평가를위한 것입니다. 이번 비교에서 메인이되는 지표입니다.

MEI20190207는 다양한 지표의 가중치 합으로 계산됩니다. 바탕이되는 지표는 스펙트럼의 분산 공분산 행렬 스펙트럼의 평균 Hardness, Dissonance입니다. 쉽게 말하면 스펙트럼의 모양, 다이나믹 레인지, 공간감, 공격의 대역폭, 왜곡 많음을 참고로 계산하고 있습니다.

가중치의 학습에 사용한 오디오 믹스는 MixBrowser에서 공개되는 오디오 믹스 중 미리 오디오가있는 것이 전부입니다. 일부 미리보기 오디오는 404 Not Found이었습니다.

MixBrowser

라우드니스

ITU-R BS.1770에서 정의 된 라우드니스입니다. 전달 플랫폼과 사용자 듣는 방법에 따라 다르지만, 음량이 큰 곡수록 다른 곡에 비해 큰 소리로 재생 될 가능성이 높습니다. 큰 소리로 재생하는만큼 좋은 소리로 들립니다.

음질이 같으면 음량이 크면 클수록 좋은 것입니다.

기타 지표

음량 레인지, True Peak

마스터 링 설정

아래의 GitHub를 참조하십시오.

비교 결과

MEI20190207의 변화량

MEI20190207 원본에 대한 변화량을 모든 곡에 평균 한 것입니다. AI Mastering 쪽이 LANDR보다 MEI20190207가 높은 경향이 있습니다.

음량 vs 음량 범위

라우드니스의 모든 노래의 평균과 음량의 모든 노래의 평균 분산 형 플롯했습니다. 일반적으로 음의 크기와 음량 범위는 트레이드 오프의 관계에 있지만, AI Mastering 쪽이 LANDR보다 음량을 높게했을 때의 음량 범위의 감소가 적습니다.

True Peak

True Peak (인터 샘플 피크)를 모든 곡으로 평균 한 것입니다. True Peak가 0dB보다 크면 다시 인코딩 등으로 왜곡 될 수 있지만, AI Mastering, LANDR 모두 0dB를 초과하는 경우가있는 것 같습니다. AI Mastering에서는 Ceiling을 True Peak하면 True Peak가 0dB를 초과하지 않도록 할 수 있기 때문에 음질 열화를 피할 수있다. LANDR는 그럴듯한 설정이 없기 때문에 아마 회피 불가능합니다.

Dissonance의 변화량

Dissonance은 불협화음 정도를 측정하는 지표입니다. MEI20190207을 계산하는 데 사용되며, Dissonance이 낮을수록 MEI20190207이 높아집니다.

AI Mastering 마스터 링 레벨을 1로 설정하면 Dissonance가 늘어날 것 같습니다. 마스터 레벨을 0.5로 설정하면 LANDR과 동등한 증가하면됩니다.

Hardness의 변화량

Hardness 소리의 경도를 측정하는 지표입니다. MEI20190207을 계산하는 데 사용되며, Hardness가 높을수록 MEI20190207이 높아집니다. AI Mastering, LANDR 함께, Hardness을 늘리는 것입니다.

Boominess의 변화량

Boominess는 Boomy 정도를 나타내는 지표입니다. 내용은 다음에서 제안 된 Booming Index입니다. MEI20190207의 계산에는 사용되지 않습니다.

Booming index as a measurement for evaluation booming sensation

AI Mastering은 Boominess을 낮추는 경향이 있습니다.

Brightness의 변화량

Brightness 밝기를 나타내는 지표입니다. 전체 에너지에 대한 고주파 성분의 에너지 비율을 로그와 Spectral Centroid의 대수의 선형 결합으로 계산됩니다. MEI20190207의 계산에는 사용되지 않습니다.

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

AI Mastering과 LANDR는 Brightness를 올리는 경향이 있습니다.

Depth의 변화량

Depth는 깊이를 나타내는 지표입니다. 다음 D5.2에 정의되어 있습니다. D5.2에 따르면, 깊이는 공간적인 의미와 주파수 특성 인 의미가 있지만,이 Depth 지표는 주파수 특성적인 의미만을 나타낸다. MEI20190207의 계산에는 사용되지 않습니다.

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

정의에 따르면, 저주파 성분이 많다고 Depth가 늘어날 것 같습니다. AI Mastering는 Depth를 낮추는 경향이 있습니다.

Warmth의 변화량

Warmth는 온기를 나타내는 지표입니다. 다음이 구현입니다. MEI20190207의 계산에는 사용되지 않습니다.

Timbral_Warmth.py (Github)

AI Mastering은 Warmth를 낮추는 경향이 있습니다.

마스터 링 후 소리의 비교

각 곡에 대해 오리지널 LANDR에서 MEI20190207가 최대의 것, AI Mastering에서 MEI20190207이 가장 큰 것들 중 3 개를 선택했습니다. 음량은 갖추고 있지 않기 때문에 볼륨의 차이에 의한 편견에주의하십시오.

모든 소리 목록은 다음에 있습니다. MEI20190207가 높은 소리가 정말 좋은 소리 있는지 여부를 확인하려고합니다. 각 곡의 라이센스 표기는 Github의 audio 디렉토리 아래에 기재했습니다.

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

자세한 정보가 아래에 설명되어 있습니다.

ai-mastering/mastering_comparison (Github)

주의

그래프와 Github에서 "AI Mastering"라고 표기되어있는 것은 AI Mastering의 수를 나타냅니다.

정리

LANDR과 AI Mastering을 비교했습니다.

댓글 남기기

이메일은 공개되지 않습니다.