未分类

LANDR与AI Mastering对比:音质篇

发布日期 更新日期

我们比较了LANDR和AI Mastering的音质。

摘要

我们提出了一个可以客观地评估混合MEI 20190207的指数。

我们在MEI 20190207上比较了掌握AI Mastering和LANDR的声音。

我们发现AI Mastering的MEI 20190207比LANDR更高。

AI Mastering倾向于响度范围大于LANDR,Boominess小,Depth小,Warmth小。

*由于其他人有比较声音,请听

比较方法

使用LANDR和AI Mastering掌握各种声音,并将结果与各种指标进行比较。

声音要比较

我们从以下混合评估数据集中选择要比较的声音。该混合评估数据集包括针对各种歌曲的多个混合音频以及针对每个混合音频的多个人的主观评估结果。

在混音音频许可证CC BY中,我们选择每首歌曲具有最大响度范围的歌曲和具有最低平均主观评级的歌曲作为比较目标音调。

原因是当响度范围大时很容易掌握没有伪影,并且当主观评价低时自动母带制作不匹配。

请参阅下面的GitHub存储库以获取特定的混合列表。

MixBrowser THE MIX EVALUATION DATASET

指数

MixEvaluationIndex20190207 (MEI20190207)

MixEvaluationIndex 20190207(MEI 20190207)是使用混合评估数据集的主观评估数据构建的混合音频的客观评估指标。它是混合音频的评估指标,但我认为它也可以用于评估母带音频。它旨在进行全面评估。它是这次比较的主要指标。

MEI 20190207通过各种指数的加权和来计算。原始指数是光谱的扩散协方差矩阵,光谱的平均值,硬度,不稳定性。简单地说,我根据频谱的形状,动态范围,空间的扩展,攻击的带宽和失真量来计算它。

用于重量学习的混合音频是MixBrowser中发布的所有混合音频,带有预览音频。一些预览音频是404 Not Found。

MixBrowser

响度

它是ITU-R BS.1770规定的响度。取决于要传送的平台以及用户如何收听,与其他歌曲相比,具有响度的歌曲很可能与更响亮的声音一起播放。你用大声的声音听起来会更好。

如果声音质量相同,响度应该很大。

其他指标

响度范围,真峰

掌握设置

请参阅下面的GitHub。

比较结果

更改MEI 20190207的金额

所有歌曲的MEI 20190207平均值相对于原来的变化。 AI Mastering往往比LANDR具有更高的MEI 20190207。

图:更改MEI 20190207的金额

响度与响度范围

我用散点图绘制了响度中所有歌曲的平均值和响度的所有歌曲的平均值。通常,响度和响度范围处于权衡关系,但是当AI Mastering具有比LANDR更高的响度时响度范围的减小很小。

图:响度与响度范围

True Peak

真峰值(样本间峰值)是所有歌曲的平均值。如果真峰值大于0 dB,则可能由于重新编码等原因而失真,但似乎存在AI Mastering和LANDR都超过0 dB的情况。如果在AI Mastering中将Ceiling设置为True Peak,则可以防止True Peak超过0 dB,这样可以避免降低音质。 LANDR可能无法避免,因为没有这样的设置。

图:True Peak

改变不协调量

不协调是衡量不和谐程度的指标。它用于计算MEI 20190207,Dissonance越低,MEI 20190207越高。

如果在AI Mastering中将母版制作等级设置为1,则Dissonance似乎会增加。将母带级别设置为0.5将导致相当于LANDR的增加。

图:改变不协调量

改变硬度

硬度是衡量声音硬度的指标。它用于计算MEI 20190207,硬度越高,MEI 20190207越高。 AI Mastering和LANDR似乎都会增加硬度。

图:改变硬度

繁荣的变化

繁荣是Boomy学位的指标。内容是下面提出的蓬勃发展指数。它不用于计算MEI 20190207。

Booming index as a measurement for evaluation booming sensation

AI Mastering倾向于降低Boominess。

图:繁荣的变化

改变亮度

亮度是亮度的指标。它是通过高频分量的能量比与总能量的对数和光谱质心的对数的线性组合来计算的。它不用于计算MEI 20190207。

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

AI Mastering和LANDR倾向于提高亮度。

图:改变亮度

改变深度

深度是深度的指标。它在下面的D 5.2中定义。根据D 5.2,深度具有空间意义和频率特征含义,但该深度指标仅表示频率特征含义。它不用于计算MEI 20190207。

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

根据定义,如果存在许多低频分量,则深度将增加。 AI Mastering倾向于降低深度。

图:改变深度

温暖的变化量

温暖是温暖的标志。以下是一个实现。它不用于计算MEI 20190207。

Timbral_Warmth.py (Github)

AI Mastering倾向于降低温暖。

图:温暖的变化量

掌握之后的声音比较

对于每首歌曲,我选择了原有的三个最大的MER 20190207,AI Mastering和MEI 20190207最大的一首。由于响度不对齐,请注意因音量不同而产生的偏差。

所有声音列表如下。请尝试MEI 20190207高音是否真的很好。每首歌的许可符号在Github的音频目录下描述。

ai-mastering / mastering_comparison(Github)

In The Meantime

Original

DU-H.wav

AI Mastering Best MEI20190207

DU-H_target_loudness-10_mastering_level0.5.wav

LANDR Best MEI20190207

LANDR-DU-H_med.wav

Lead Me

Original

LeadMe_GM.wav

AI Mastering Best MEI20190207

LeadMe_GM_target_loudness-8_mastering_level0.5.wav

LANDR Best MEI20190207

LANDR-LeadMe_GM_hi.wav

Not Alone

Original

NotAlone_A.wav

AI Mastering Best MEI20190207

NotAlone_A_target_loudness-8_mastering_level1.wav

LANDR Best MEI20190207

LANDR-NotAlone_A_hi.wav

Pouring Room

Original

PouringRoom_Q.wav

AI Mastering Best MEI20190207

PouringRoom_Q_target_loudness-8_mastering_level1.wav

LANDR Best MEI20190207

LANDR-PouringRoom_Q_hi.wav

Red To Blue

Original

RedToBlue_JA.wav

AI Mastering Best MEI20190207

RedToBlue_JA_target_loudness-8_mastering_level1.wav

LANDR Best MEI20190207

LANDR-RedToBlue_JA_hi.wav

Github

详细信息如下。

ai-mastering/mastering_comparison (Github)

警告

什么在图表上写成“AI Mastering”或者Github代表AI Mastering。

概括

我比较了LANDR和AI Mastering。