Spectrogram Merger

Бір тректің бірнеше нұсқасынан мінсіз мастер жинаңыз

2, 3 және одан да көп WAV жазбаларын — түрлі ремастерлерді, винил-риптерді, AI-апскейлдерді (Apollo, AudioSR, FlashSR) немесе дубльдерді — бір таза трекке біріктіріңіз. Бағдарлама фазалық өшірілусіз әр көзден ең жақсы жиіліктер мен соққыларды алады.

ТОЛЫҒЫРАҚ
Product Interface

Спектрлік біріктіру қалай жұмыс істейді

КЕЗЕҢ 02 · ЖОЛАҚТАР МЕН ТЕРЕЗЕЛЕР f_c(t) = Σ f_k·|X(k,t)| / Σ |X(k,t)|

Адаптивті кроссовер және өзгермелі STFT терезесі

Сигнал табиғи спектрлік ойықтарда немесе Линквиц-Райли сүзгілерімен ТЖ, ОЖ, ЖЖ-ге бөлінеді. Терезе ені σ(t) соққыларда 10 мс-тан созылыңқы ноталарда 90 мс-қа дейін бейімделеді.

КЕЗЕҢ 03 · МАСКАЛАУ ЖӘНЕ EQ M₁ = Re(X₁·Mix*) / (|Mix|² + ε), Inf ∈ [0.1×..10×]

7 маска әдісі, 12 жолақты EQ және Әсер картасы

PSF, Softmax, Wiener, IBM/IRM Цвикер қаттылық моделімен және 5 динамикалық модуляциямен (SNR, Flux, Flatness, Coherence, Cross-Adaptive). Үш 12 жолақты панель әр жиіліктегі теңгерімді басқарады.

КЕЗЕҢ 05 · СПЕКТРДІ ТАЗАЛАУ HPSS(Median/NMF) → LPC(16) → Q > Q_thr

HPSS (Median/NMF), LPC қабығы және анти-резонанс

Миксті гармоника мен перкуссияға бөліп тазалайды, ТЖ/ОЖ табиғи қабығын ЖЖ-ге көшіреді (LPC / Кепстр) және Q-факторы мен LGD тұрақтылығы бойынша ысқырық резонанстарды басады.

ІШКІ ҚҰРЫЛЫМЫ • RUST 2024 & WGPU 30.0

Технологиялық стек

Технология туралы жалғыз слайд: 2D FFT, NMF, CEEMDAN және каскадты WOLA есептеулері нативті көп ағынды Rust кодында, ал интерфейс WGPU 30.0-де жұмыс істейді — Python мен Electron-сыз.

Rust 2024 Python/C тәуелділігі нөл
WGPU 30.0 144 Гц UI және спектрограммалар
17 топ / 150+ Inspectable параметр рефлексиясы
Rayon + Arena Параллель WOLA және 64 МБ пул
01

DSP математикалық ядросы

rustfft 6.2 • num-complex • rayon 1.10

Көп ағынды STFT/ISTFT, 2D Пуассон FFT, Брегман итерациялары, ансамбльдік CEEMDAN және LinearArena жады.

02

Аппараттық GPU интерфейсі

wgpu 30.0 • winit 0.30 • ui.wgsl • arcband

Қос қабатты SDF UI, Magma/Viridis билинейлі спектрограмма текстуралары және субпиксельді типографика.

03

Декларативті инспектор

Inspectable trait • serde_json • toml

150+ параметр іздеуі бар 3 бағанды инспекторға автоматты орналасып, әр жұп үшін JSON профилін сақтайды.

04

Нативті аудио I/O жүйесі

hound 3.5 • cpal 0.15 • cubic resampler

WAV (Float32, PCM 16/24/32 + TPDF/NS) дәл жазу, кубтық ресемплингпен және Баттерворт сүзгісімен тікелей тыңдау.

RUST 2024
fn align_phase_correlation(
    y1: &[f32], y2: &[f32],
    max_shift: usize, confidence_threshold: f32,
) -> (i64, f32) {
    let fft_len = y1.len().min(y2.len()).next_power_of_two();
    let mut planner = FftPlanner::<f32>::new();
    let fft = planner.plan_fft_forward(fft_len);
    let ifft = planner.plan_fft_inverse(fft_len);

    fft.process(&mut a);
    fft.process(&mut b);
    for i in 0..fft_len {
        let cps = a[i] * b[i].conj();
        a[i] = cps / (cps.norm() + EPSILON);
    }
    ifft.process(&mut a);

    let mut lag = if peak_idx <= fft_len / 2 {
        peak_idx as i64
    } else {
        peak_idx as i64 - fft_len as i64
    };
    if peak_val < confidence_threshold || lag.unsigned_abs() as usize > max_shift {
        lag = 0;
    }
    (lag, peak_val)
}
pub fn calculate_psf_mask(
    stft1: &ComplexSpec2D, stft2: &ComplexSpec2D, psf_power: f32,
) -> (Spec2D, Spec2D) {
    let mut m1 = Spec2D::full(stft1.bins, stft1.frames, 0.5);
    let mut m2 = Spec2D::full(stft1.bins, stft1.frames, 0.5);
    let p = psf_power.clamp(1.0, 4.0);

    for i in 0..stft1.data.len() {
        let mix = stft1.data[i] + stft2.data[i];
        let den = mix.norm_sqr() + EPSILON;
        let a1 = ((stft1.data[i] * mix.conj()).re / den).max(0.0).powf(p);
        let a2 = ((stft2.data[i] * mix.conj()).re / den).max(0.0).powf(p);
        let v1 = (a1 / (a1 + a2 + EPSILON)).clamp(0.0, 1.0);
        m1.data[i] = v1;
        m2.data[i] = 1.0 - v1;
    }
    (m1, m2)
}
pub fn phase_reconstruction_explicit(
    mag: &Spec2D, n_fft: usize, hop_length: usize,
    sr: u32, params: &ProcessingParams,
) -> Spec2D {
    let sigma_sec = params.explicit_relation_window_len as f32 / (6.0 * sr as f32);
    let sigma_sq = sigma_sec * sigma_sec;

    for b in 0..bins {
        let omega = 2.0 * PI * freqs[b];
        for t in 0..frames {
            dphi_dt.set(b, t, omega + dlog_dw.get(b, t) / (2.0 * PI * sigma_sq + EPSILON));
            dphi_dw.set(b, t, -sigma_sq * dlog_dt.get(b, t) - t_half);
        }
    }
    for b in 0..bins {
        for t in 0..frames {
            let lap = if b == 0 && t == 0 { EPSILON } else { -(kx * kx + ky * ky) };
            div[b * frames + t] /= lap;
        }
    }
    solve_2d_ifft(&mut div, bins, frames)
}
fn decompose_emd_1d(
    signal: &[f32], max_imfs: usize, method: EmdMethod,
) -> Vec<Vec<f32>> {
    let ensembles = match method {
        EmdMethod::Emd => 1,
        EmdMethod::Eemd | EmdMethod::Ceemdan => 4,
    };
    let ensemble_imfs: Vec<_> = (0..ensembles)
        .into_par_iter()
        .map(|e| {
            let mut residual = add_ensemble_noise(signal, e, noise_amp);
            (0..k_imfs).map(|_| {
                let imf = sift_single_imf(&residual, 5);
                subtract_in_place(&mut residual, &imf);
                imf
            }).collect::<Vec<_>>()
        })
        .collect();
    average_ensembles(ensemble_imfs, signal.len(), k_imfs)
}

Жылдам A/B бақылау және каскадты біріктіру студиясы

WAV файлдары бар қалтаны жүктеңіз, сүйреп апару (Drag & Drop) арқылы реттілікті орнатыңыз, 12 жолақты эквалайзерлер мен әсер картасын баптаңыз. 12 спектрограмма/маска түрі, бір басумен Raw/Финал және алдыңғы тестпен салыстыру, тікелей жолақты сүзгі.

12 СПЕКТР МЕН МАСКА ТҮРІ A/B: RAW / ФИНАЛ / АЛДЫҢҒЫ ЖОЛАҚТЫ СҮЗГІ (ГЦ) 3×12-ЖОЛАҚТЫ EQ ЖӘНЕ КАРТА
Жылдам A/B бақылау және каскадты біріктіру студиясы
Жүктеуге өту

Нұсқаңызды таңдаңыз

Көпжолақты спектрлік біріктірумен танысу үшін тегін Community Edition нұсқасын қолданып көріңіз. Мерзімі шексіз.

Community Edition жүктеу

Немесе барлық 13 фаза режимі, каскадты тізбектер және CEEMDAN бар Professional Edition нұсқасын 1789 руб. бағасына алыңыз.

Spectrogram Merger бойынша толық FAQ

Мақсаты және сценарийлер

Бұл бағдарлама не үшін қажет және қандай мәселелерді шешеді?
Бір тректің екі нұсқасын DAW-да жай қосу фазалық ығысу салдарынан тарақ сүзгісіне және металл реңкке әкеледі. Spectrogram Merger екі немесе одан да көп нұсқаны жиілік-уақыт кеңістігінде біріктіріп, әр жиілік бинінде ең таза әрі анық көзді таңдайды. Бұл AI-апскейлерлерді (Apollo, AudioSR, FlashSR, SoundUP) біріктіруге, винил-рип пен цифрлық мастерді үйлестіруге немесе түрлі дубльдерден үздік вокал мен аспаптарды жинауға таптырмас құрал.
Бір өтуде екіден көп WAV файлды біріктіруге бола ма?
Иә. «Пакет» қойындысында 2, 3, 4 немесе одан көп WAV файлы бар қалтаны ашып, реттілігін Drag & Drop арқылы реттеңіз. Бағдарлама каскадты тізбекпен біріктіреді: Трек 1 + Трек 2 (Жұп 1), содан кейін нәтиже + Трек 3 (Жұп 2) және т.б. Әр жұптың өз JSON профилі бар.
Тректер қаттылығы, кідірісі немесе АЧХ бойынша ерекшеленсе не істейді?
Алдымен екі сигнал EBU R128 (-23.0 LUFS) бойынша теңестіріледі. Содан кейін Auto-Align CPSD фазалық корреляциясы немесе кросс-корреляция арқылы сэмпл дәлдігімен уақыт ығысуын түзетеді. Соңында Spectral Balance спектрлік еңісті (дБ/октава) теңестіріп, масканың бұрмалануын болдырмайды.
12 жолақты эквалайзерлер мен Әсер картасы (Influence Map) қалай жұмыс істейді?
Редактордың төменгі бөлігінде үш 12 жолақты панель бар (29 Гц – 20 кГц). EQ Көз 1 / 2 (±12 дБ) маска есептелгенге дейін дыбыс тембрін түзетеді, ал Әсер картасы (0.1× – 10.0×) таңдалған жиіліктерде маска басымдығын тікелей 1-ші немесе 2-ші көзге бұрады.

Жолақтар және STFT

Дыбыс ТЖ, ОЖ және ЖЖ жолақтарына қалай бөлінеді?
Үш режим бар: нөлдік фазалы Баттерворт сүзгісі (filtfilt, 1–10 ретті), Адаптивті жолақ жиіліктері (спектрдегі табиғи ойықтарды автоматты табу) және сәулеленген спектрлік центроидқа ілесетін 2/4 ретті уақыт бойынша өзгеретін Линквиц-Райли сүзгілері.
TimeVaryingWindow және көпмасштабты STFT не үшін қажет?
Ұзын терезе созылыңқы дыбыстарда жиілік дәлдігін береді, бірақ соққыларды бұлдыратады; қысқа терезе соққыны сақтайды. TimeVaryingWindow әр кадрда транзиенттілік, жазықтық немесе энтропия бойынша терезе енін (10–90 мс) динамикалық өзгертеді. Сондай-ақ ТЖ/ОЖ/ЖЖ үшін бөлек FFT өлшемдері (2048/2048/4096) бар.
Ұзын тректер жадты толтырмай және түйісу іздерінсіз қалай өңделеді?
Толық экспорт аудионы 15 секундтық чанктарға (7.5 сек қабаттасумен) бөліп, параллель өңдейді және WOLA әдісімен (Hann, Hamming, Blackman, Blackman-Harris, Bartlett терезелері) жіксіз жинайды.

Маскалау және стерео

Қандай базалық маскалау әдістері қолжетімді?
7 әдіс бар: әдепкі PSF (Phase-Sensitive Filter) фазалық өшірілуді болдырмайды; Weights (Softmax) және WeightsPhaseAware 24 Барк жолағындағы Цвикер моделін немесе A-өлшеуді қолданады; шуды азайтатын Wiener / WienerModulated; сондай-ақ IBM және IRM.
5 динамикалық маска модуляциясы не істейді?
Спектрлік ағын (Flux) соққыларды қорғайды; SNR модуляциясы (4 шу бағалау әдісі) таза көзді таңдайды; Жазықтық (Flatness) тональдылықты айқындайды; Фазалық когеренттілік қайшы фазаларды шектейді; Кросс-адаптивті γ ұқсас учаскелерде салмақты 0.5-ке жұмсартады.
Масканы тегістеу «музыкалық шуды» қалай жояды?
Бағдарлама 2D медиандық сүзгіні, транзиентке бейімделетін 2D Гаусс тегістеуін, уақытша кроссфейдті және сызықтық немесе Mel / Bark перцептивті шкаласында тік тегістеуді қолданады.
Стереопанораманың кеңдігі мен ортасы қалай сақталады?
Stereo Mask Coupling арнааралық когеренттілікті (IC) есептеп, моно элементтерде сол және оң арна маскаларын орташа мәнге жақындатады, ал кең стерео дыбыстарды тәуелсіз қалдырады.

Фазаны қалпына келтіру (13 режим)

Бағдарламада қандай фаза алгоритмдері бар?
13 режим кіріктірілген: жылдам Complex, Dominant, Blend; LWS; итеративті FGLA, RTISI-LA және RTISI-LA Hybrid; Bregman KL / IS; аналитикалық Explicit Phase Relation (2D Пуассон FFT), SPSI, RTPGHI және интеллектуалды Adaptive.
Adaptive режимі алгоритмді қалай таңдайды?
Әр бин үшін тональдылық, SNR, когеренттілік, H/P қатынасы, спектрлік ағын, LGD дисперсиясы және маска айқындығы бағаланады. Softmax салмақтары арқылы әлсіз әдістер кесіліп (Pruning / Top-N), үздік фазалар біріктіріледі.
Coupled IPD стереофазаны қалай қорғайды?
CoupledIPD режимінде сол арна фазасы қалпына келтіріліп, оң арна фазасы оған басым көздің немесе қоспаның нақты арнааралық фаза айырмасы (IPD) мен IC когеренттілігі арқылы байланады.
Mask-Guided Phase Iteration және Magnitude-Constraint PR не үшін керек?
Mask-Guided Phase Iteration маска сенімділігі жоғары аймақтарда фазаны басым көзге тартады, ал Magnitude-Constraint PR тегістелген амплитуда шектеуімен фазаны үйлестіріп, ЖЖ кедір-бұдырын жояды.

Пост-өңдеу, A/B және экспорт

Post-HPSS және спектрлік қабықты көшіру (Envelope Transplantation) не істейді?
Post-HPSS миксті гармоника мен перкуссияға бөліп (Median немесе NMF), гармониканы уақыт бойынша, перкуссияны жиілік бойынша тазалайды. Қабықты көшіру ТЖ/ОЖ пішінін LPC немесе кепстр арқылы бағалап, ЖЖ бөлігін табиғи түрде түзетеді.
Ысқырық резонанстар, өткірлік және ЖЖ жарқылдары қалай басылады?
Резонансты басу жоғары Q-факторы мен тұрақты LGD бар тар шыңдарды кеседі; Өткірлікті азайту Цвикер акумдары бойынша ЖЖ жұмсартады; Тік ЖЖ артефактілерін басу аномальды ағын жарқылдарын қабықты сақтай отырып тегістейді. MPEG-1 перцептивті маскалау да бар.
ЖЖ-дегі EMD / EEMD / CEEMDAN өңдеуі қалай жұмыс істейді?
Жоғары жиіліктер (>6 кГц) уақыт аймағында IMF эмпирикалық модаларына жіктеледі. Реті, Гильберт лездік жиілігі немесе энтропиясы бойынша таңдалған шулы модалар тегістеледі, әлсіретіледі немесе жойылады.
A/B тыңдау қалай ұйымдастырылған және қандай форматтар қолдау табады?
Оң панельде кез келген үзіндіні (мысалы, 8 сек) сынап, 12 спектрограмма/маска түрін және ТЖ/ОЖ/ЖЖ үлесін көруге болады. Raw vs Финал, Ағымдағы vs Алдыңғы, Loop және нақты жиілікті тыңдауға арналған Band-Pass (Гц) сүзгісі бар. Экспорт WAV 32-bit Float және PCM 32 / 24 / 16 бит (TPDF + Noise Shaping) форматтарын қолдайды.