失真音频效果：学习如何恢复干净信号

鉴于音乐源分离与自动混音的近期进展，去除音乐音轨中的音频效果是为开发自动重混系统迈出的有意义一步。本文聚焦于去除音乐制作中应用于吉他音轨的失真音频效果。我们探究效果去除是否可由为源分离与音频效果建模设计的神经网络解决。我们的方法对混合了处理后信号与干净信号的效果尤为有效。相较于基于稀疏优化的前沿方案，模型实现了更优质量与显著更快的推理。我们证明这些模型不仅适用于去削波，也适用于其他类型的失真效果。通过讨论结果，我们强调了多种评估指标在失真效果去除中重构不同方面时的有用性。