في عالم الموسيقى، يعاني الكثير من الحبّات الموسيقية من مشكلات في جودة الصوت، مثل الصدى المفرط، والانحراف، والقص، وعدم التوازن اللوني، وصورة ستيريو ضيقة. هذه المشكلات تتفاقم خاصة عند إنشاء المقطوعات الموسيقية في بيئات غير احترافية دون استخدام المعدات المناسبة أو الخبرة الفنية.

لإصلاح هذه العيوب، يعتمد المعازفون غالبًا على أدوات متخصصة منفصلة وتعديلات يدوية. ومع ذلك، تم تقديم حل مبتكر في الورقة البحثية الجديدة التي تحمل عنوان "سونك ماستر: نحو استعادة وتحسين الموسيقى بشكل متكامل".

قدمت سونك ماستر (SonicMaster) نموذجاً جيلياً موحداً لاستعادة وتحسين الموسيقى، والذي يعالج مجموعة واسعة من المشاكل الصوتية من خلال التحكم باستخدام التعليمات النصية. يعتمد هذا النموذج على التعليمات بلغة طبيعية لتطبيق تحسينات مستهدفة، لكنه يمكن أن يعمل أيضًا في وضع تلقائي لاستعادة الصوت بشكل عام.

لتدريب هذا النموذج، تم إنشاء مجموعة بيانات سونك ماستر، وهي مجموعة بيانات كبيرة تحتوي على مقاطع موسيقية متدهورة وذات جودة عالية من خلال محاكاة أنواع التدهور الشائعة باستخدام تسعة عشر وظيفة تدهور تنتمي إلى خمسة مجموعات تحسين: المعادلة، الديناميات، الصدى، السعة، والستيريو.

تعتمد مقاربتنا على نموذج تدريب جديد يسمى "طبيعة المطابقة العملية" (flow-matching generative training paradigm) لتعلم تحويل الصوت، والذي يُحَوِّل المدخلات المتدهورة إلى نسخها النظيفة والمتحسنة بتوجيهات نصية. تؤكد القياسات الموضوعية لجودة الصوت أن سونك ماستر تُحقق تحسينات ملحوظة في جودة الصوت عبر جميع فئات العيوب. كما أكدت اختبارات الاستماع الذاتية أن المستمعين يفضلون المخرجات المحسنة من سونك ماستر على سائر النماذج الأساسية الأخرى.

إذن، هل سيكون سونك ماستر هو الحل الذي طال انتظاره لتحسين تجربة الاستماع للموسيقى؟ شاركونا آراءكم في التعليقات!