基于卷积神经网络的单个乐器轨道自动均衡技术

我们提出了一种用于单个音乐乐器轨道自动均衡的新方法。该方法首先通过识别源录音中包含的乐器，以选择其对应的理想频谱作为目标。随后计算录音与目标之间的频谱差异，并据此使用均衡器匹配模型预测参数均衡器的设置。为此，我们基于可微分的参数均衡器匹配神经网络构建了该方法，实证证明其相对于先前建立的状态方法具有改进。不同于过去的方法，我们展示了该系统在训练匹配模型时自然地能够利用真实世界的音频数据，有效地以自动化方式生成在推断条件下镜像的合适生产训练目标。因此，我们说明了对此类示例进行微调后，对参数均衡器匹配性能的显著提升，使其在真实世界场景下的误差降低了24%，相对于仅依赖随机参数抽样技术的自监督学习策略的方法。我们进行了听觉测试，证明我们提出的自动均衡解决方案在主观上提升了常见乐器类型的录音的音色特征。