LANDR vs "AI Mastering" (Qualidade de Som)

Nós comparamos o LANDR e o AI Mastering na qualidade do som.

Conteúdos

1 Visão geral
2 Método de comparação
3 Resultado de comparação
4 Comparação de som após masterização
5 Github
6 Atenção
7 Resumo
- 7.1 Artigos relacionados

Visão geral

Propusemos um índice que possa avaliar objetivamente o mix MEI 20190207.

Comparamos a masterização de sons com AI Mastering e LANDR no MEI 20190207.

Descobrimos que o AI Mastering tem maior MEI 20190207 do que o LANDR.

O AI Mastering tem uma tendência de o alcance de intensidade ser maior que o LANDR, o Boominess é pequeno, a profundidade é pequena e o calor é pequeno.

* Como existem sons comparativos nas outras pessoas, por favor, ouça

Método de comparação

Dominando vários sons com LANDR e AI Mastering e comparando os resultados com vários indicadores.

Som a ser comparado

Escolhemos o som a ser comparado do conjunto de dados de avaliação de mixagem a seguir. Esse conjunto de dados de avaliação de mixagem inclui vários mixagens de áudio para várias músicas e resultados subjetivos de avaliação por várias pessoas para cada áudio mixado.

Na licença de mixagem de áudio, CC BY's, selecionamos a que possui o maior intervalo de intensidade de som para cada música e a que tem a menor classificação subjetiva média como o tom de meta de comparação.

A razão é que é fácil dominar sem artefatos quando a faixa de intensidade é grande, e há uma incompatibilidade de masterização automática quando a avaliação subjetiva é baixa.

Por favor, veja o repositório do GitHub abaixo para uma lista de mixagem específica.

MixBrowser

THE MIX EVALUATION DATASET

Índice

MixEvaluationIndex20190207 (MEI20190207)

MixEvaluationIndex 20190207 (MEI 20190207) é um índice de avaliação objetiva de áudio misto construído usando dados de avaliação subjetivos do Conjunto de Dados de Avaliação de Mistura. É um índice de avaliação de áudio misto, mas acho que também pode ser usado para avaliar o áudio de masterização. Destina-se a avaliação abrangente. É o principal indicador nesta comparação.

O MEI 20190207 é calculado pela soma ponderada de vários índices. Os índices originais são a matriz de covariância do espectro, a média do espectro, Dureza, Dissonância. Simplificando, eu o calculo com base na forma do espectro, na faixa dinâmica, na extensão do espaço, na largura de banda do ataque e na quantidade de distorção.

O áudio mixado usado para aprendizagem de peso é todo o áudio mixado publicado no MixBrowser, com áudio de pré-visualização. Alguns previews de áudio foram 404 Not Found.

MixBrowser

Loudness

É o volume definido pela ITU-R BS.1770. Dependendo da plataforma a ser entregue e de como o usuário escuta, é altamente provável que músicas com intensidade sonora sejam mais reproduzidas com sons mais altos do que outras músicas. Soa melhor quando você toca com sons altos.

Se a qualidade do som for a mesma, o volume deverá ser grande.

Outros indicadores

Faixa de volume, True Peak

Configuração de masterização

Por favor, veja o GitHub abaixo.

Resultado de comparação

Alterar o montante de MEI 20190207

É a média da mudança do MEI 20190207 em relação ao original para todas as músicas. AI Mastering tende a ter maior MEI 20190207 do que LANDR.

Loudness vs. Loudness

Eu plotei a média de todas as músicas em volume e a média de todas as músicas em volume com um gráfico de dispersão. Em geral, a intensidade sonora e a intensidade sonora estão em uma relação de compromisso, mas a diminuição na faixa de intensidade quando o AI Mastering tem um volume mais alto do que o LANDR é pequeno.

True Peak

True Peak (pico entre amostras) é uma média de todas as músicas. Se o True Peak for maior que 0 dB, pode ser distorcido devido à re-codificação, etc, mas parece que há casos em que tanto o AI Mastering quanto o LANDR excedem 0 dB. Se você definir Teto como Pico Verdadeiro em AI Mastering, poderá impedir que o True Peak exceda 0 dB, para evitar a degradação da qualidade do som. O LANDR é provavelmente impossível de evitar porque não existe tal configuração.

Alterar quantidade de Dissonância

A dissonância é um índice para medir o grau de dissonância. É utilizado para calcular o MEI 20190207, quanto menor a Dissonância, maior o MEI 20190207.

Se você definir o nível de masterização como 1 em AI Mastering, a Dissonância parece aumentar. Definir o nível de masterização como 0,5 resultará em um aumento equivalente ao LANDR.

Alterar quantidade de dureza

A dureza é um índice para medir a dureza do som. Ele é usado para calcular o MEI 20190207, e quanto maior a Dureza, maior o MEI 20190207. Ambos AI Mastering e LANDR parecem aumentar a dureza.

Mudanças no Boominess

Boominess é um índice para o grau Boomy. O conteúdo é o Índice de Expansão proposto abaixo. Não é usado para o cálculo do MEI 20190207.

Índice de expansão como medida para avaliação da sensação de expansão

O Mastering AI tende a diminuir o Boominess.

Alterar quantidade de brilho

O brilho é um indicador de brilho. É calculado pela combinação linear do logaritmo da razão de energia do componente de alta frequência para a energia total e o logaritmo do Centróide Espectral. Não é usado para o cálculo do MEI 20190207.

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

AI Mastering e LANDR tendem a aumentar o brilho.

Alterar a quantidade de profundidade

Profundidade é um indicador de profundidade. É definido em D 5.2 abaixo. De acordo com D 5.2, a profundidade tem significado espacial e significado característico de freqüência, mas esse índice de Profundidade representa apenas o significado característico da freqüência. Não é usado para o cálculo do MEI 20190207.

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

De acordo com a definição, a profundidade aumentará se houver muitos componentes de baixa frequência. O Mastering AI tende a diminuir a profundidade.

Quantidade de mudança de calor

O calor é um indicador de calor. O seguinte é uma implementação. Não é usado para o cálculo do MEI 20190207.

Timbral_Warmth.py (Github)

O Mastering AI tende a diminuir o calor.

Comparação de som após masterização

Para cada música, eu peguei três dos originais, LANDR com o maior MEI 20190207, AI Mastering com MEI 20190207 o maior deles. Como o volume não está alinhado, tenha cuidado com o viés devido à diferença de volume.

Todas as listas de sons estão abaixo. Por favor, tente MEI 20190207 se o som alto é realmente bom som. A notação de licença de cada música é descrita no diretório de áudio do Github.

ai-mastering / mastering_comparison (Github)