用于动态范围压缩器智能控制的特征学习孪生模型
音频与语音处理
2019-05-06 v1 机器学习
声音
摘要
本文提出了一种孪生 DNN 模型来学习音频动态范围压缩器 (DRC) 的特性。这促进了一个智能控制系统，该系统使用音频样本来配置 DRC，DRC 是音乐制作、语音通信和广播领域广泛使用的一种非线性音频信号处理技术。本文提出了几种替代的孪生 DNN 架构，以学习能够表征由动态范围压缩引起的微妙效果的特征嵌入。将这些模型相互比较，并与先前工作中提出的人工设计特征进行比较。本文还评估了 DNN 超参数与 DRC 参数之间的关系。最佳模型能够生成一个通用的特征嵌入，能够同时预测多个 DRC 参数，这是相对于我们先前研究的显著改进。在预测单乐器音频循环和多声部音乐片段的 DRC 参数时，该特征嵌入表现出优于人工设计音频特征的性能。
引用
@article{arxiv.1905.01022,
title = {A Feature Learning Siamese Model for Intelligent Control of the Dynamic Range Compressor},
author = {Di Sheng and György Fazekas},
journal= {arXiv preprint arXiv:1905.01022},
year = {2019}
}
备注
8 pages, accepted in IJCNN 2019