في عالم تعلم الصوتيات، ظهر الصوت الإجرائي (Procedural Audio) كمصدر مثير للاهتمام لتطوير نماذج تمثيل الصوت القابلة للنقل. إلا أن المبادئ التصميمية لهذا النوع من الصوت لاتزال غامضة. في هذه الدراسة الحديثة، نعيد النظر في سؤالين أساسيين: كيف ينبغي أن يتم تحديد حجم المصدر الإجرائي، وهل يمكن تطبيق خيارات التدريب التي طورت على الصوت الطبيعي دون تغيير على البيانات الإجرائية؟

من خلال استخدام مصدر مضبوط، تمكنا من فصل الحجم إلى تغطية فئة الصيغة (Formula-Class Coverage) وتنوع الرسوم داخل الفئة (Within-Class Rendering Diversity). النتائج استندت إلى تجارب مع نماذج FDSL وAudioMAE، حيث أظهرت أن هذين الشكلين من الحجم يوفران فوائد مختلفة ويعتمدان على صياغة التعلم والمهمة النهائية.

علاوة على ذلك، كشفت دراسة متطابقة مع AudioMAE أن الصوت الإجرائي يفضل نسب قناع منخفضة تتراوح بين 10-25%، بينما يفضل AudioSet-28K نسب قناع أعلى تتراوح بين 50-75%. كما أظهرت التحليلات أن التنوع في المجموعات المشتركة أقل بشكل ملحوظ في الصوت الإجرائي، مما ساهم في تحسين التنبؤ الزمني.

تدفع هذه النتائج نحو تطوير برنامج تدريبي مسبق للجهاز الإجرائي يراعي كل من حجم المصدر وتكوين التعلم بشكل مشترك. وإذا كنت مهتماً بعالم الصوتيات والتقنيات الحديثة، فيمكنك زيارة GitHub للحصول على الشيفرات المستخدمة في هذه الدراسات.