更新履歴
バージョン 0.9.2
(2025.02.17)
- Numba JIT によるパフォーマンス最適化 (適応型 STFT): 適応型 STFT
_adaptive_stft_numba_loop の計算ループが、Numba コンパイラ (@jit(nopython=True, parallel=True, cache=True) デコレータ) を使用して完全にマシンコードにコンパイルされるようになりました。フレームごとのハニング窓生成処理は、内部 JIT 関数 _numba_hanning_window_internal に移動されました。
- 信号エネルギー保存の向上: JIT ループ内で、生成された任意長さの窓関数の二乗和によってウェイトを自動正規化する処理を実装しました。これにより、時間経過に伴い異なる長さの窓関数間で移行する際にも、オーディオ信号の振幅安定性が保証されます。
- 適応型 2D マスクスムージング: 時間変化する半径を持つガウスマスクスムージングのメインループが、高性能な
_numba_adaptive_gaussian_2d_jit 関数にコンパイルされました。高解像度マトリクスのリアルタイムな 2D フィルタリングが可能になりました。
- 起動時の安定性向上: グローバルな未捕捉例外インターセプタ
sys.excepthook の初期化処理を、QApplication インスタンス作成前の段階に移動しました。これにより、Qt グラフィックスサブシステムの起動中におけるエラーの確実なキャッチとログ記録が保証されます。
- Softmax 内の Numba 警告解消: 配列を返す前に複素数の実部 (
np_module.real) を明示的に抽出するステップを追加し、スペクトログラム操作時に虚部が消失するという Numba コンパイラの警告を解消しました。
バージョン 0.9.1
(2025.02.15)
- ログ記録アーキテクチャの再設計 (PrintLogger): 標準の物理ファイルログハンドラに代わる軽量な
PrintLogger を開発しました。setup_logging 関数は、ログメッセージを sys.stdout および sys.stderr に直接出力し、強制的に flush() を呼び出すようになりました。これにより、隔離されたサンドボックス環境(PyInstaller でビルドされたスタンドアロン実行ファイルなど)でのファイルロックや権限問題を完全に防止します。
- API 内の厳密な型定義と Enum サポート:
generate_parameter_descriptions 関数を再構築し、列挙型メタデータを API に自動エクスポートするようにしました。型定義が Enum のパラメータ(StereoIPDSource や EMDMethod など)は標準的な文字列値へとシリアライズされるため、無効なパラメータ転送が解消されます。typed_dicts.py 内でリテラル型と Enum クラスを分離しました。
- クロスオーバーの数学的バグ修正:
dsp/filters/time_varying.py 内のハイパス帯域計算を修正しました。数式 H_hp[:, n] = (H_hp1 * H_hp2).astype(np.float32) を数学的に正確な形式に修正し、3バンドクロスオーバーの Linkwitz-Riley 完全相補性を確保して、高周波領域での位相の落ち込みを排除しました。
- 境界条件下におけるフォールバック保護:
process_band_adaptive_phase 内で np.argpartition および np.squeeze を呼び出す前に、明示的な配列次元数チェックを追加しました。これにより、特異なスペクトログラム(単一の周波数 bin または単一のフレームのみを含む)を処理する際の IndexError や ValueError によるクラッシュを防止します。
- 無音区間の位相ブレンド安定化:
calculate_blend_weights で Softmax ウェイトを正規化する際、分母に微小な epsilon 定数を追加し、完全な無音時における NaN 未定義値の発生を防止しました。
バージョン 0.9.0
(2025.02.11)
- 垂直方向の高周波アーティファクトの抑制 (新規 DSP モジュール):
hf_peak_suppression.py モジュールにおいて、局所的なスペクトルスパイク(高周波領域内の過渡的な垂直帯)を検出し平滑化するアルゴリズムを開発しました。異常検出のしきい値は、スペクトルフラックスの中央値とその標準偏差に基づいて動的に算出されます。
- 周波数領域の 2D 異常スムージング: 検出された問題フレームの STFT 複素数値を、周波数軸に沿った 1D ガウスフィルターで平滑化し、実部と虚部に個別に適用します。最大衰減量を制限し、オーディオの輝度を維持するために、エンベロープ保護 (Envelope Protection) メカニズムを導入しました。
- ステレオパラメータの Enum 移行: 従来の
STEREO_IPD_SOURCE 文字列構成を、厳格な StereoIPDSource 枚挙(MIX および DOMINANT 値を含む)に置き換えました。LWS ブレンドおよび CoupledIPD 位相結合アルゴリズムを安全な型処理へと適応させ、処理エラーを排除しました。
- 異常検出器の GUI パラメータ調整: パラメータエディタに、高周波スパイク抑制アルゴリズム用のスライダー(有効化切り替え、周波数範囲、感度、スムージング強度、およびエンベロープ保護)を追加しました。
バージョン 0.8.3
(2024.10.17)
- インタラクティブな座標およびレベル追跡 (Tooltip): Matplotlib キャンバス上でのリアルタイムなカーソル追跡を実装しました。カーソル座標はフレームと周波数 bin インデックスに動的にマップされます。ユーザーには、時間(秒)、周波数(ヘルツ)、およびデシベル単位の正確なレベル値(スペクトログラム用)またはウェイト係数(マスク用)を示す浮遊ヒント窓が表示されます。
- プレビュー処理用の RAM キャッシュ: バックグラウンドプレビュー用の最適化レイヤーを統合しました。フィルタリング処理を実行する前に、ファイルパス、セグメント境界、およびパラメータ値に基づいてハッシュキーが生成されます。一致した場合は、RAM からスペクトログラムとマスクが即座に取得されるため、GUI での中/高周波帯の切り替えが迅速化されます。
- EMD パラメータのプロファイルレベル移行: 経験的モード分解 (EMD) パラメータを、グローバル設定からプロファイルエディタの設定(「ポストプロセス:位相と EMD」セクション)に移動しました。これにより、同一バッチ内の異なるステージにカスタムの EMD スムージングパラメータを個別に適用できます。
バージョン 0.8.2
(2024.10.14)
- シームレスな再生再開 (A/B テスト):
AppState 構造に playback_start_time 属性を統合しました。タブの切り替えや EQ パラメータの変更時、プログラムは現在の再生位置を算出してオーディオスリームを停止し、サンプル精度のオフセットで即座に再起動するため、再生音の「前/後」の比較をスムーズに行えます。
- HPSS における適応的な周波数依存打楽器スムージング: シグモイド遷移を備えた周波数依存ウェイト生成アルゴリズムを実装しました。打楽器信号は、異なるサイズの2つの中央値フィルターで並列フィルタリングされます。低/中周波範囲で歪みのない鋭いトランジエントを維持しつつ、高周波範囲で最大窓サイズを適用して位相アーティファクトを抑制します。
バージョン 0.8.1
(2024.10.13)
- ZIP 圧縮アーカイブからディスクベースのプロジェクトグループへの移行: ディスク I/O オーバーヘッドを削減するため、バッチモードでの一時的な ZIP アーカイブ処理を廃止しました。
MVSepZipWorker クラスは MVSepPrepWorker として再構築され、分割出力と params_*.json 構成ファイルは Temp_SpectrogramMerger ディレクトリ内の構造化フォルダに直接保存されます。
- フォルダインポート時のパラメータ自動生成: ZIP インポートボタンを「グループをロード...」ボタンに置き換えました。フォルダ選択時、プログラムはファイル構造をスキャンし、初期値を持つ不足パラメータの JSON 構成ファイルを自動生成します。
- WOLA に基づくスペクトログラムとマスクの再構築: 分割処理中に、入力の複素スペクトログラムと算出されたマスクを並列に OLA バッファに蓄積するシステムを実装しました。ストリーム終了時、WOLA 公式に従って合成窓の二乗和による正確な正規化を行います。
バージョン 0.8.0
(2024.10.11)
- アーキテクチャの再編成 (モジュール化リファクタリング): プロジェクトのコードベースを完全に分離されたパッケージ(
core/band_processor/, dsp/features/, dsp/hpss/, dsp/masking/, dsp/phase/, dsp/postprocessing/, gui/creation/tabs/, io/, および utils/ 構造)へと分割しました。
- 適応型位相ブレンド:
process_band_adaptive_phase アルゴリズムを開発しました。フレームごとの音調と SNR の分析に基づいて、異なる位相再構築手法のウェイトを算出し、時間領域で位相候補を幾何学的にブレンドします。
- 位相復元の新しいアプローチ:
ExplicitRelation: 対数振幅の微商と時間/周波数位相の間の明示的な数学的関係に基づく位相再構築手法。
SPSI: 瞬時周波数の高精度な推定のため、スペクトルピークの二次補間を伴うシングルパススペクトログラム反転手法。
Bregman Projections: 異なる beta 値に対する広義 Bregman 散度の位相最適化。
Mask-Guided Phase Iteration: 混合位相を支配的な音源の位相へとイテレーション的に引き寄せ、ウェイトはマスクの信頼度に比例します。
バージョン 0.7.0
(2024.10.05)
- マルチスケール (Multi-Scale) STFT 解析: 信号の局所的な過渡性に基づく適応型 STFT 解像度システムを導入しました。オーケストレーターは、3つの異なる窓サイズ(12、46、93 ms)と一致するホップサイズを持つ STFT グリッドを算出します。
- 動的な時間-周波数スケールのブレンド: グローバルな過渡性測定に基づいて、フレームごとにブレンドウェイトが計算されます。マスク処理の前に複素行列を融合することで、平穏な音調の周波数解像度を維持しつつ、アタック時のプリエコー (pre-echo) アーティファクトを最小限に抑えます。
- ディザリングとノイズシェーピング: 音声書き込みパイプラインに、三角形ディザリング (TPDF) と1次ノイズシェーピングを統合しました。整数 PCM 形式 (16/24/32ビット) へのエクスポート時、1 LSB 振幅の対称ノイズがミックスされ、ノイズを高周波領域へ移行させるためにフィードバックフィルタリングが適用されます。
バージョン 0.6.0
(2024.10.01)
- 複数ステージ処理グループへの移行 (Stages): 独立した ZIP アーカイブの代わりに、統合されたプロジェクトリスト (
zip_list_combined) を処理するようにバッチマネージャーを書き直しました。グループファイルを管理・表示するため、カスタムの FileGroupWidget を作成しました。
- GUI での独立したステージステータス表示: グループコントロールの右側に、対応するステージごとの処理行を動的にレンダリングします。各ステージ行には、エディタ起動用のボタンとカラーコード化されたステータスラベルが配備されています。
- マルチモデル超解像パイプライン (SR Merge): 異なる超解像モデル(AudioSR および FlashSR)の出力を結合するために、超解像マージステージ(
sr_merge_instr, sr_merge_vocal)を追加しました。これらは同一グループ内のキャッシュされた中間ファイル上で直接実行されます。
バージョン 0.5.0
(2024.09.06)
- バッチタブ内の並列 ZIP アーカイブリスト: 「バッチ処理」タブのレイアウトを水平に分割し、2つのリスト「音楽 / シングル」(
zip_list_music) および「ボーカル (ペア)」(zip_list_vocal) を配置しました。
- ペア選択の同期化:
select_paired_item_slot スロットを実装しました:音楽プロジェクトをクリックした際、隣のリストにある対応するボーカルプロジェクトを自動的に見つけてハイライトします(逆も同様)。
- リスト行内でのパラメータ直接編集: リストの各行にカスタムの
BatchZipItemWidget コントロールを統合し、エディタに移動することなくジャンル、アクセント、品質、およびターゲット設定を直接ライン内で迅速に変更できるようにしました。
バージョン 0.4.1
(2024.09.03)
- テキスト形式構成ファイル (INI):
SettingsManager を全面的に書き直しました。パラメータをレジストリに保存する代わりに、アプリケーションはすべてのグローバル構成、API 認証情報を、アプリケーションのルートディレクトリにあるプレーンテキストの merger_settings.ini ファイルに保存します。
- ローテーションファイルログ機能: ファイルローテーション(10MB上限、
/logs フォルダ内に最大5つのバックアップを維持)を備えた標準的な Python ログ機能を構成しました。DSP の処理段階やエラーは spectrogram_merger.log に書き込まれます。
バージョン 0.4.0
(2024.09.01)
- ダブルトラック保存アーキテクチャ(音楽 + ボーカル):
batch_save_worker.py 内の最終レンダリングワークフローを書き直しました。プロジェクトがペアとしてマークされている場合、以下のステップが実行されます:
- オリジナルの音楽ファイルをロードして正規化し、ゲイン係数を算出します。
- 音量バランスを維持するため、算出したゲインをボーカルファイルに適用します。
- 音楽とボーカルのスペクトログラムをそれぞれの個別パラメータプロファイルに従ってマージします。
- 得られた時間領域の波形信号を加算します。
- 最終的なピークリミッターを適用し、仕上がったミックスを単一の WAV ファイルに書き込みます。
- 代表的なオーディオセグメントの自動特定:
audio_analysis.py 内で find_representative_segment アルゴリズムを開発しました。オーディオの最初の 300 秒を読み込み、ローカル RMS 包絡と FFT に基づくスペクトル平坦度を算出します。スライド窓により無音のイントロを回避し、最も高いエネルギー密度と音調安定性を持つ 8 秒間のセグメントを特定します。このセグメントがテスト再生用に使用されます。
バージョン 0.3.2
(2024.07.24)
- 自動的な時間的オーディオアライメント:
steps.py 内部に align_audio_signals(y1, y2, sr, max_shift_ms, ...) 関数を統合しました。このアルゴリズムは、FFmpeg を用いて信号のモノラル版の相互相関を算出し、時間軸を微調整します。
- コヒーレントな位相重なりのための時間補正: 計算窓の範囲内で最適な遅延を算出します。時間軸上で波形をシフトさせ、遅れている信号の開始位置にゼロパディングを行い、先行している信号をトリミングして位相の一致を確保します。
バージョン 0.3.1
(2024.07.23)
- ZIP アーカイブに基づくバッチ処理プロジェクトファイル:
file1.wav、file2.wav、および params.json を含む ZIP アーカイブの新しいバッチ形式を導入しました。プロジェクトファイルは Output_Zips_SpectrogramMerger フォルダにまとめられます。
- 一時ファイルの隔離: インポートされたプロジェクトは
Temp_SpectrogramMerger フォルダ内の隔離されたサブフォルダに展開され、ファイルが散乱するのを防ぎます。
- 2層バッチ処理 GUI (tabs.py):
QSplitter を使用して、「バッチ処理」タブを2つの独立したパネルに分割しました:
- *上部エリア ("API -> ZIP")*:生の入力ファイルを保存し、予備的な外部解混を起動して、資産を ZIP にパッキングします。
- *下部エリア ("ZIP アーカイブ")*:生成またはインポートされたプロジェクトを管理し、バックグラウンドでの一括処理を開始します。
バージョン 0.3.0
(2024.07.04)
- HPSS (Harmonic-Percussive Source Separation) の統合: 信号を調波(ハーモニック)と打楽器(パーカッシブ)のコンポーネントに分離する処理 (
librosa.decompose.hpss) を導入しました。有効化すると、処理は並列に2つの独立した系統で行われます。
- パーカッシブコンポーネントの適応的な平滑化: 打楽器部分は専用のパラメータ(ガウスシグマのスケーリングおよびクロスフェード時間の短縮)で平滑化されます。これにより、位相のボケを防ぎつつ、トランジエントのシャープさを維持します。
バージョン 0.2.1
(2024.04.29)
- プレビュー高速再計算エンジン (fast_recalculation.py): EQ スライダーや影響マップを変更した際に、Matplotlib の描画を高速更新するアルゴリズムを開発しました。これは、変化をキャッシュされた中間周波数帯の振幅に直接適用することで、重い処理ステップ(クロスオーバーフィルタリング、順方向 STFT、二次変調、および ISTFT)をバイパスします。
- 新しい位相復元アプローチ (phase.py):
- *LWS (局所加重和)*: STFT の一貫性から直接位相を復元し、振幅マスクの比率に基づいて幾何学的に位相角をブレンドします。
- *RTISI-LA*: 先読み機能を備えたリアルタイム反復位相復元の基本機能を追加しました。
バージョン 0.2.0
(2024.04.26)
- 中央集権的なパラメータ検証 (utils/validation.py): すべての設定値の型、安全な境界(最小値/最大値)、およびステップを規定する統合レジストリを開発しました。
- パラメータ辞書のサニタイズ: 数値制限関数を検証モジュールに移動しました。辞書をクリーンアップし、エラーを特定する関数を導入しました。
- プロファイルとコントロールの検証:
config/presets.py 内のプロファイルロード処理を検証関数に移動しました。コントロールファクトリはパラメータレジストリに直接照会を行うため、インターフェースが DSP 制限値から逸脱するのを防止します。
バージョン 0.1.1
(2024.04.23)
- 左パネルタブの再編: 「シングルマージ」タブを「パラメータエディタ」に変更しました。手動のファイル入力フィールド (
le_file1, le_file2, le_output) は廃止され、バッチ処理ワークフローに主眼が置かれるようになりました。
- エディタのロック管理: パラメータエディタはデフォルトでロックされ、バッチリストからプロジェクトが選択された場合にのみアクティブになります。
- プレビューパネルの最適化: プレビューパネルから手動の実行ボタンを排除しました。テスト再生時間の入力欄はパラメータエディタに統合されました。
バージョン 0.1.0
(2024.04.18)
- 最初のアルファバージョン: モジュール化処理、非同期実行、および外部 API 統合の基礎が構築されました。
- モジュール化アーキテクチャ: コードベースは独立したパッケージ:構成 (
config)、オーケストレーション (core)、DSP 操作 (dsp)、インターフェース (gui)、入出力 (io)、および外部サービス (services) へと分割されました。
- 非同期のバックグラウンド実行 (QThread): 重い計算処理は、UI のフリーズを回避するためにバックグラウンドで動作する
QThread ワーカに移行されました。
- イコライザーと影響スライダー: イコライザーおよび影響マップ用に、対数的な 12 バンド専用スライダーを作成しました。
- Matplotlib の統合: スペクトログラムとマスクを表示するために Matplotlib キャンバスを統合しました。
- 5次バターワースフィルター: 入力信号を低、中、高周波数帯に分割するため、5次のクロスオーバーを実装しました。
- 基本マスク: Softmax およびウィナーマスクの算出を実装しました。