Apakah Spectral Gating? Bagaimana Pengurangan Hingar Sebenarnya Berfungsi

Apabila anda menggunakan alat penyingkiran hingar, apa yang sebenarnya berlaku pada audio anda? Jawapannya melibatkan teknik pemprosesan isyarat yang telah berkembang dengan ketara dalam beberapa dekad yang lalu. Memahami teknik-teknik ini, spectral gating, spectral subtraction, dan pengganti AI moden mereka, membantu anda menggunakannya dengan lebih berkesan dan memahami had mereka.

Memecah audio kepada frekuensi: di mana pengurangan hingar berlaku

Pengurangan hingar audio hampir sentiasa berfungsi dengan memecah bunyi kepada frekuensi individu, berbanding bekerja pada gelombang audio mentah secara langsung. Fikirkan ia seperti prisma yang memisahkan cahaya putih menjadi pelangi: alat penyingkiran hingar memecah audio kepada komponen frekuensinya supaya mereka boleh merawat setiap satu secara berasingan.

Sebuah proses matematik memecah hirisan audio pendek kepada carta yang menunjukkan seberapa kuat setiap frekuensi pada masa itu. Jalankan ini di seluruh rakaman dan anda mendapat spektrogram, peta visual bagaimana kandungan frekuensi audio berubah mengikut masa.

Algoritma pengurangan hingar berfungsi dengan mengubah suai pemecahan frekuensi ini, kemudian menukarnya semula kepada audio biasa.

Apakah Spectral Subtraction?

Spectral subtraction, dibangunkan pada akhir 1970-an, adalah salah satu pendekatan pengurangan hingar paling awal dan paling berpengaruh. Idea asasnya adalah mudah:

1. Anggarkan spektrum hingar, biasanya daripada bahagian audio di mana hanya hingar hadir (“profil hingar”)
2. Tolak spektrum hingar yang dianggarkan daripada spektrum audio keseluruhan pada setiap langkah masa
3. Tukar spektrum yang diubah suai kembali kepada audio

Cabarannya ialah langkah anggaran. Hingar tidak pernah sepenuhnya pegun. Ia berubah dari masa ke masa. Sebarang kesilapan dalam anggaran hingar menghasilkan artifak. Artifak yang paling khas ialah “bunyi muzik”, kualiti bergetar, berkicau disebabkan oleh puncak hingar baki yang bergerak di sekitar spektrum apabila anggaran penolakan berubah-ubah.

Pelbagai penambahbaikan kepada spectral subtraction telah mengatasi ini sepanjang tahun, termasuk penolakan berlebihan (menolak sedikit lebih daripada hingar yang dianggarkan untuk mengurangkan hingar baki), lantai spektral (menetapkan tahap minimum di bawah yang mana bin spektral tidak dikurangkan), dan anggaran hingar multi-jalur.

Apakah Spectral Gating?

Spectral gating mengembangkan konsep ini dengan menggunakan ambang kelantangan kepada setiap frekuensi individu secara berasingan. Daripada menolak hingar, spectral gating menyenyapkan atau mematikan frekuensi yang jatuh di bawah tahap kelantangan tertentu, dengan andaian bahawa frekuensi yang perlahan sebahagian besarnya ialah hingar manakala frekuensi yang lebih kuat mengandungi bunyi yang anda mahu simpan.

Fikirkan ia seperti pengawal pintu di pintu untuk setiap frekuensi tunggal: jika frekuensi cukup kuat, ia lulus. Jika ia terlalu perlahan, ia ditolak. Noise gate tradisional seperti mempunyai satu pengawal pintu untuk keseluruhan audio. Spectral gating seperti mempunyai pengawal pintu berasingan untuk setiap frekuensi.

Keuntungannya ialah ketepatan: hingar frekuensi tinggi boleh disingkirkan sementara bunyi rendah dikekalkan, atau sebaliknya. Kekurangannya ialah ia menganggap bahawa hingar dan ucapan tidak pernah berkongsi frekuensi yang sama pada masa yang sama, yang seringkali tidak berlaku dengan hingar kompleks yang berubah atau apabila tahap hingar tinggi.

Masalah artifak

Baik spectral subtraction mahupun spectral gating menghadapi masalah asas yang sama: mereka cuba menyelesaikan masalah yang tidak tertentu. Hanya diberi isyarat berhingar, tidak ada cara yang sempurna untuk memisahkan isyarat daripada hingar tanpa maklumat tambahan tentang seperti apa seharusnya isyarat.

Ini membawa kepada artifak yang khas:

• Bunyi muzik: kualiti berkicau, berdolak-dalik daripada penyingkiran berlebihan
• Kabur: meratakannya daripada bunyi yang tajam, pantas seperti konsonan
• Distorsi sibilance: kerosakan kepada bunyi “s” dan “sh” yang bertindih dengan frekuensi hingar
• Pengedaman: daripada menyingkirkan terlalu banyak pada frekuensi tinggi

Tahap artifak adalah berskala dengan seberapa agresif pengurangan hingar digunakan. Sedikit penolakan spektral sering kedengaran bersih. Menolaknya keras mendedahkan artifak.

Bagaimana AI telah menggantikan pendekatan ini

Pengurangan hingar berasaskan AI moden, seperti yang digunakan dalam Noise Remover, mengambil pendekatan yang secara asasnya berbeza. Daripada menganggarkan hingar dan menolaknya, rangkaian neural deep belajar daripada berjuta-juta contoh audio bagaimana seharusnya ucapan bersih terdengar. Pada masa inferensi, model menggunakan pengetahuan yang dipelajari ini untuk membina semula ucapan bersih daripada input berhingar.

Ini lebih seperti bertanya “bagaimanakah sepatutnya audio ini kedengaran?” berbanding “apakah yang patut saya singkirkan?” Keputusannya adalah lebih baik secara dramatik untuk hingar kompleks yang tidak pegun dan untuk mengekalkan kealaman ucapan.

AI Noise Remover secara khusus mengendalikan sifat bergantung-frekuensi hingar dengan mengendalikan kedua-dua komponen frekuensi rendah (tempat gemuruh dan dengung hidup) dan komponen frekuensi tinggi (tempat butiran ucapan dan konsonan hidup) dengan langkah pemprosesan berasingan.

Mengapa ini penting secara praktikal

Memahami spectral gating dan pengurangan hingar AI membantu anda:

• Tahu bilakah menggunakan alat mana: untuk hingar ringan, stabil, walaupun kaedah lama yang mudah berfungsi dengan baik. Untuk hingar kompleks dalam rakaman penting, alat AI berbaloi untuk digunakan.
• Mendiagnosis artifak: jika pengurangan hingar anda kedengaran “muzikal” atau “berkicau”, anda mungkin menggunakan alat tradisional secara berlebihan. Tukar kepada AI atau kurangkan jumlahnya.
• Menetapkan jangkaan: alat AI bukanlah sihir. Mereka berfungsi kerana mereka telah belajar bagaimana seharusnya ucapan terdengar, tetapi bunyi yang sangat luar biasa (loghat yang tidak biasa, bisikan, audio bukan-ucapan) mungkin tidak mendapat manfaat sebanyak itu.

Cuba Noise Remover untuk mendengar bagaimana pemprosesan spektral berasaskan AI kedengaran pada rakaman anda sendiri.