更新日志
版本 0.9.2
(2025.02.17)
- 通过 Numba JIT 提升性能(自适应 STFT): 自适应 STFT
_adaptive_stft_numba_loop 的计算循环现已通过 Numba 编译器完全编译为机器码(使用 @jit(nopython=True, parallel=True, cache=True) 装饰器)。每帧的汉宁窗生成已移至内部 JIT 函数 _numba_hanning_window_internal。
- 信号能量守恒: 实现了在 JIT 循环中直接通过生成的任意长度窗函数的平方和来自动归一化其权重。这保证了随时间推移在不同长度的窗函数之间过渡时音频信号振幅的稳定性。
- 自适应 2D 遮罩平滑: 时变半径的高斯遮罩平滑主循环现已编译为高性能的
_numba_adaptive_gaussian_2d_jit 函数,实现了高分辨率矩阵的实时高负载 2D 滤波。
- 启动稳定性优化: 将全局未捕获异常拦截器
sys.excepthook 的初始化移至创建 QApplication 实例之前的阶段。这确保了在 Qt 图形子系统启动期间对错误的可靠捕获和记录。
- 消除 Softmax 中的 Numba 警告: 在返回数组之前添加了显式提取复数实部(
np_module.real)的步骤,以防止 Numba 编译器在对声谱图进行操作时发出关于丢失虚部的警告。
版本 0.9.1
(2025.02.15)
- 日志架构重新设计 (PrintLogger): 开发了轻量级的
PrintLogger 来替代标准的物理文件日志处理器。setup_logging 函数现在将日志消息通过强制 flush() 调用直接输出到 sys.stdout 和 sys.stderr。这避免了在沙盒环境(如 PyInstaller 打包生成的可执行程序)中产生文件锁定和权限问题。
- 严格的参数类型定义与 API 中的 Enum 支持: 重构了
generate_parameter_descriptions 函数,以自动将枚举元数据导出到 API。类型定义为 Enum 的参数(如 StereoIPDSource 或 EMDMethod)现在序列化为其基础字符串值,从而消除了无效参数传输的问题。在 typed_dicts.py 中分离了字面量类型和 Enum 类。
- 分频器数学逻辑修复: 修复了
dsp/filters/time_varying.py 中的高通频段计算。公式 H_hp[:, n] = (H_hp1 * H_hp2).astype(np.float32) 已修正为其数学上精确的形式,确保了三频段分频器的 Linkwitz-Riley 完全互补性,并消除了高频范围内的相位凹陷。
- 边界条件下的安全降级保护: 在
process_band_adaptive_phase 中调用 np.argpartition 和 np.squeeze 之前,添加了显式的数组维度检查。这可以防止在处理退化声谱图(仅包含单个频率 bin 或单个帧)时发生 IndexError 和 ValueError 崩溃。
- 静音片段的相位融合稳定性: 在
calculate_blend_weights 中归一化 Softmax 权重时,向分母添加了一个微小的 epsilon 常数,防止在绝对静音期间出现 NaN 未定义值。
- 分块处理的边界控制: 在并行音频分块处理工作器内部,对二维频率滤波器矩阵(
H_lp_tf, H_bp_tf, H_hp_tf)进行切片时添加了严格的边界控制,修复了因长度舍入误差导致在最后一个分块边界处发生崩溃的问题。
- 强制 Numba 依赖: 将
numba 提升为强制性依赖项 (REQUIRED_PACKAGES),因为编译后的 JIT 函数现在对于满足自适应 STFT 的性能指标至关重要。
版本 0.9.0
(2025.02.11)
- 抑制垂直高频伪影(新增 DSP 模块): 在
hf_peak_suppression.py 模块中开发了一种用于检测和平滑局部频谱尖峰(高频范围内的瞬态垂直带)的算法。异常检测的阈值是根据频谱流的中位数及其标准差进行动态计算的。
- 频域 2D 异常平滑: 对于检测到的故障帧,STFT 谱线的复数值通过沿频率轴的一维高斯滤波器进行平滑,该滤波器分别应用于实部和虚部。实现了包络保护(Envelope Protection)机制,以限制最大衰减并保留音频亮度。
- 立体声参数迁移至枚举: 将原始的
STEREO_IPD_SOURCE 字符串配置替换为严格的 StereoIPDSource 枚举(包含 MIX 和 DOMINANT 值)。更新了 LWS 混合和 CoupledIPD 相位耦合算法以安全处理类型,消除了处理失败。
- 异常检测器的 GUI 参数控制: 在参数编辑器中为高频尖峰抑制算法添加了滑动条控制(包括启用切换、频率范围、敏感度、平滑强度和包络保护)。
- 隔离声道滤波故障: 改进了预览编排器中的异常处理。如果在其中一个音频声道上执行巴特沃斯滤波器失败(由于长度不足或非数字数据),工作器将隔离崩溃,将该声道标记为不活动,并在不崩溃线程的情况下继续处理其余声道。
- 频段处理的自适应缓存: 在预览期间为每个频段计算的声谱图和遮罩现在缓存在 RAM 中,并配有与遮罩参数绑定的唯一哈希键。如果 EQ 或 Influence Map 设置更改,则重复使用此缓存层,从而降低 CPU 负载。
版本 0.8.3
(2024.10.17)
- 交互式坐标和电平跟踪 (Tooltip): 在 Matplotlib 画布上实现了实时光标跟踪。光标坐标动态映射到帧和频率 bin 索引。向用户展示一个悬浮提示窗,显示时间(秒)、频率(赫兹)以及以分贝为单位的精确电平值(针对声谱图)或线性贡献系数(针对遮罩)。
- 预览频段处理的 RAM 缓存: 集成了后台预览的优化层。在运行高负载滤波之前,系统根据文件路径、片段边界和参数值生成一个哈希键。如果哈希键匹配,则立即从 RAM 中检索声谱图和遮罩,加速了 GUI 中中/高频段的切换。
- EMD 参数迁移至配置文件级别: 经验模态分解 (EMD) 参数从全局设置移至配置文件编辑器设置(位于“后处理:相位和 EMD”部分)。这允许将自定义 EMD 平滑参数应用于同一批次内的不同阶段。
- 新增伪影抑制参数: 在编辑器中添加了
SHARPNESS_REDUCTION_FREQ_START 参数,以控制锐度降低插件中的架形滤波器截止频率。
- 向上移频阈值: 将 HPSS 打击乐清理、相位平滑和频谱倾斜修正的阈值移高(至 10,000 Hz 以上),以最大程度保留中频透明度和细节。
- 安全的多声道音频转置: 输入准备模块中数组的转置操作已被移至严格在峰值归一化和频谱平衡之后的阶段,消除了轴对齐故障。
- 修正 A-Weighting 中的数组长度: 添加了对
librosa.util.fix_length 的强制调用,以使权重数组与当前的帧数保持一致,防止在复杂的 STFT 步骤中发生维度不匹配错误。
版本 0.8.2
(2024.10.14)
- 无缝恢复播放 (A/B 测试): 在
AppState 中集成了 playback_start_time 属性。当切换选项卡或更改 EQ 参数时,程序会计算当前的播放位置,停止音频流,并立即以样片精确的偏移量重新启动音频流,从而实现即时的 A/B 对比。
- HPSS 中自适应频率相关的打击乐平滑: 实现了具有 S 极转换的频率相关权重生成算法。打击乐信号通过两个不同大小的中值滤波器进行并行滤波:在低/中频范围内保留清晰、未变形的瞬态,同时在高频范围内应用最大窗口大小以抑制相位伪影。
- 解耦预览逻辑:
process_segment_for_preview 函数被重构为使用 BatchGroupData 和 EditTarget 元数据结构,而不是直接使用字符串文件路径。合并源(AudioSR/FlashSR)路径的定位现在是在预览模块中动态执行的。
- 可选的伴奏轨道导出: 向组控件中添加了“保存伴奏”复选框。激活后,保存工作器运行一个并行的伴奏信号终整管线,并将其导出为带有
_INSTRUMENTAL 后缀的独立 WAV 文件。
- 消除 Softmax 中的复数值: 在计算权重时,在转换为
np.float32 之前添加了显式的 np.real 提取,消除了在幅度声谱图混合期间有关丢失虚部的警告。
版本 0.8.1
(2024.10.13)
- 从 ZIP 压缩包转型为基于磁盘的项目组: 废弃了批处理模式下的临时 ZIP 归档,以减少磁盘 I/O 开销。
MVSepZipWorker 类被重写为 MVSepPrepWorker;分轨输出和 params_*.json 配置现在直接保存到 Temp_SpectrogramMerger 目录内结构化的文件夹中。
- 导入文件夹时自动生成参数: 将 ZIP 导入按钮替换为“加载组...”按钮。当选择目录时,程序扫描文件结构并使用默认值自动生成缺失的参数 JSON 配置文件。
- 基于 WOLA 的声谱图和遮罩重构: 实现了在分块处理期间并行将输入复声谱图和计算出的遮罩累积到 OLA 缓冲区中的系统。在流结束时,根据 WOLA 公式对合成窗的平方和进行精确归一化。
- WOLA 与遮罩引导相位迭代的集成: 全分辨率复声谱图和遮罩现在直接传递到终整器。这允许遮罩引导的迭代相位精炼算法配合数学上精确的频谱数据工作,彻底消除了从合成后的时间信号中重新计算它们的需要。
- 心理声学遮蔽阈值模型: 集成了全新的
_calculate_masking_threshold_simplified_peaks 算法。通过使用 scipy.signal.find_peaks,程序识别绝对听觉阈值 (ATH) 之上的遮蔽物,并根据 MPEG-1 扩散函数计算 Bark 标度上的各个遮蔽阈值。
- LUFS 归一化中的防剪切保护: 重构了
normalize_loudness:如果在施加增益达到目标 LUFS 后峰值电平超过 0 dBFS,则将增益因子按比例调低到安全限制,以防止发生硬剪切。
- 安全的音频导出: 在加扰(Dithering)和噪声整形期间在音频写入块中构建了异常拦截器。如果发生故障,该算法会自动回退到对
[-1.0, 1.0] 范围内的原始数据进行安全剪切,从而防止损坏输出文件。
版本 0.8.0
(2024.10.11)
- 架构重组(模块化重构): 将项目代码库拆分为孤立的包(引入了
core/band_processor/, dsp/features/, dsp/hpss/, dsp/masking/, dsp/phase/, dsp/postprocessing/, gui/creation/tabs/, io/, 和 utils/ 结构)。
- 基类后台工作器: 针对
QThread 后台执行设计了抽象 BaseWorker 类。集成了 logging.LoggerAdapter,以自动向日志消息中注入唯一的 task_id,从而简化了多线程调试跟踪。
- 基于 TF 特征的自适应相位混合: 开发了
process_band_adaptive_phase 算法。根据逐帧的音调和信噪比 (SNR) 分析,引擎计算不同相位重建方法(LWS, RTISI-LA, Bregman, Complex, Blend)的权重,并在时域中对相位候选进行几何混合。
- 新型相位恢复方法:
ExplicitRelation:基于对数幅度微商与时间/频率相位之间显式数学关系的相位重建,通过 FFT 进行 2D 最小二乘积分(求解泊松方程)。
SPSI:具有谱峰二次插值的单步声谱图反转(Single Pass Spectrogram Inversion)方法,用于精确的瞬时频率估计。
Bregman Projections:支持针对不同 beta 值(Itakura-Saito, Kullback-Leibler, Frobenius)的广义 Bregman 散度的相位优化。
Mask-Guided Phase Iteration:将混合相位迭代拉向主导声源相位,权重与遮罩置信度成正比。
- NMF-HPSS 信号分离: 实现了基于非负矩阵分解 (NMF) 的谐波-打击乐分离算法,具有乘法更新和时间激活平滑度的 L2 正则化。
- 10 步混合后处理级联 (finalizer.py): 为融合的混合信号实现了一个协调的终整管线:
- *Spectral Tilt Correction*:使用误差函数过渡将高频斜率与目标 dB/octave 倾斜对齐。
- *HPSS Refinement*:在时间上(高斯)和频谱上(中值)隔离并平滑谐波和打击乐,以消除相位颤噪。
- *HF Envelope Smoothing*:对高频 bin 包络应用一维时间平滑。
- *Phase Local Smoothing*:对高频范围内的相位进行二维局部平滑(高斯/中值),以降低粗糙度。
- *Resonance Suppression*:通过 Q 因子和相位稳定性检测啸叫峰,应用自适应陷波滤波器。
- *Envelope Transplantation*:利用 LPC 或倒谱估计将低/中频包络外推到高频范围,然后进行幅度修正。
- *Perceptual Masking*:衰减低于心理声学遮蔽阈值(MPEG-1 模型)的频谱分量。
- *Phase Retrieval*:运行受高斯平滑幅度约束的迭代相位检索。
- *Post-filtering*:使用 Linkwitz-Riley 滤波器对分频器边界进行滤波。
- *Peak Normalization*:对最终峰值电平进行归一化到 0 dBFS。
- 磁盘 I/O 缓存优化: 音频文件读取已使用
@lru_cache 装饰器进行了优化,限制了 16 个片段的大小,在预览更新期间大幅降低了磁盘读取负载。将加扰和噪声整形移至专用的 dithering.py 模块中。
版本 0.7.0
(2024.10.05)
- 多尺度 (Multi-Scale) STFT 分析: 实现了基于局部信号瞬态性的自适应 STFT 分辨率系统。编排器计算三个具有不同窗口大小(12, 46, 和 93 ms)和匹配跳距的 STFT 网格。
- 动态时频尺度混合: 基于全局瞬态性度量,引擎计算逐帧混合权重:
alpha0(针对高频/瞬态 - 最小窗口),alpha2(针对低频/平稳音调 - 最大窗口)和 alpha1(中间窗口)。在遮罩前融合复矩阵,在保留平稳音调频率分辨率的同时,将攻击时的前冲(pre-echo)伪影降至最低。
- 瞬态性评估: 向
features.py 中添加了 calculate_transience_measure 函数,以使用谱平坦度变化(FlatnessChange)、谱熵变化(EntropyChange)或 SuperFlux 方法估计瞬态性。
- 流式加扰和噪声整形(PCM 量化): 将三角形加扰 (TPDF) 和一阶噪声整形集成到音频写入管线中。当导出为整数 PCM 格式(16/24/32-bit)时,混合 1 LSB 振幅的对称噪声,并利用反馈(0.85 反馈系数)对量化误差进行滤波,将噪声转移到高频区域。
- 强制 Float PCM 导出: 将临时音频文件配置为通过 FFmpeg 以原始
pcm_f32le 格式(32-bit Float)写入,以防止精度损失。
- 任意片段音频读取: 使用
start_frame 和 num_frames 参数扩展了 read_audio 函数,实现了对任意片段的直接读取,而无需将整个轨道加载到 RAM 中。
- 安全参数配置文件解析器: GUI 中列表、元组和字典的输入字段现在使用 Python 的安全字面量评估器
ast.literal_eval 而不是标准的 eval,从而消除了导入配置文件时的代码执行风险。
版本 0.6.0
(2024.10.01)
- 向多阶段处理组 (Stages) 转型: 重写了批处理管理器,以处理统一的项目列表 (
zip_list_combined),而不是独立的 ZIP 归档。创建了复合 FileGroupWidget 来展示项目文件组。
- GUI 中的独立阶段状态显示: 组控件右侧根据匹配组类型(方案:
single_apollo, pair_apollo, single_sr, pair_sr)动态渲染每个活动 Stage 的处理行。每个阶段行均配有编辑器按钮和颜色编码的状态标签。
- 新型阶段类型系统 (EditTarget): 引入了
EditTarget 类型,它描述了独立的编辑阶段(针对人声和伴奏分别提供独立的 AudioSR, FlashSR 及其合并输出)。AppState 现在跟踪当前活动的组和阶段。
- 多模型超级分辨率管线 (SR Merge): 添加了超分辨率合并阶段(
sr_merge_instr, sr_merge_vocal),以结合不同超分辨率模型(AudioSR 和 FlashSR)的输出。它们直接在同一组内缓存的中间文件上操作。
- 组的级联渲染 (BatchSaveWorkerThread): 在最终导出期间,
pair_sr 工作器顺序运行 AudioSR 合并、FlashSR 合并,根据 sr_merge 阶段参数合并两个模型,在时域中对产生的信号求和,并应用峰值限制器归一化。
- SR Merge 的级联预览: 为
sr_merge 阶段实现了快速预览生成。PreviewWorker 加载输入的 8 秒片段,合并 AudioSR 片段,合并 FlashSR 片段,最后根据 sr_merge 参数混合两个中间输出,以在 Matplotlib 画布上显示最终输出。
- Onset 插值修正: 添加了
transientness_degree_aligned 数组的自动插值,以匹配当前处理频段的帧数,修复了瞬态重分配 (TR) 期间的维度不匹配错误。
- 优化 Softmax 遮罩计算: 移除了
calculate_softmax_weights 中 k 系数与声谱图之间严格的维度匹配要求,使一维时变 k(t) 数组能够在权重计算期间进行广播。
- 修复 SNR 调制中的崩溃: 在启用 SNR 遮蔽时,修复了在调用噪声估计时调用
apply_weights_modulations 中缺失的 n_fft 参数并修正了参数顺序,防止了线程崩溃。
- 直接参数同步: 从参数更改插槽中移除了信号阻塞。当在 GUI 中更改任何参数时,活动阶段状态会立即更新为 [已编辑],并将新值写入磁盘。
- 调整默认参数: 将瞬态重分配
TR_MAGNITUDE_THRESHOLD_REL 的相对阈值从 1e-4 更改为 1e-5,以实现精确的瞬态定位。目标响度设置为 -23.0 LUFS (EBU R128)。高频 N_FFT_HIGH 增加到 4096,跳距为 512。非相干惩罚因子提高到 0.50。
- 强制 coloredlogs 依赖和降级 GUI: 现在必须使用
coloredlogs 库。在 main.py 中,在导入 GUI 模块之前执行图形后端可用性检查;如果缺失,则通过 Tkinter 加载降级错误窗口,防止无声的崩溃循环。
版本 0.5.0
(2024.09.06)
- 批处理选项卡中的并行 ZIP 归档列表: “批处理”选项卡布局已水平拆分为两个列表:“音乐 / 单轨”(
zip_list_music)和“人声(对)”(zip_list_vocal)。
- 同步对选择: 实现了
select_paired_item_slot 插槽:当单击音乐 ZIP 时,程序会自动在配对列表中查找并突出显示对应的人声 ZIP(反之亦然)。
- 列表行中的参数内联编辑: 直接在列表行中集成了自定义
BatchZipItemWidget 控件,无需进入完整编辑器即可快速内联配置流派、口音、性能和 AI 目标设置。添加了颜色编码的状态:白色(等待)、淡蓝色(已分析)、淡绿色(已编辑)。
- 简化 MP3 导入: 将
Mp3ItemWidget 中旧的配置滑动条替换为单个“含人声”复选框,以便简化批量导入。
- 合并噪声估计方法: 重构了
dsp/features.py,以便通过统一的 estimate_noise 函数路由所有噪声估计请求,该函数包装了 LocalMinStats, GlobalPercentile, MedianFilterTime 和 SpectralSubtractionAvg 方法。
- 容错频谱流: 重构了
calculate_robust_spectral_flux,如果缺失 SciPy,则能从 LocalMedian 平滑降级到 Max 计算。
- SOCKS 代理支持: 添加了
PySocks>=1.7.0 依赖项。添加了 USE_PROXY 和 PROXY_URL 配置变量,以通过 HTTP、HTTPS 或 SOCKS 代理路由 API 调用。SettingsManager 在初始化网络客户端之前应用这些环境变量。
版本 0.4.1
(2024.09.03)
- 便携式文本配置文件 (INI): 重写了
SettingsManager。应用不再依赖注册表,而是将所有全局配置、API 凭据和提示词模板存储在位于应用程序根目录下的纯文本 merger_settings.ini 文件中。
- 滚动文件日志服务: 配置了带文件滚动(限制 10MB,在
/logs 文件夹内保留最多 5 个备份)的标准 Python 日志。关键的 DSP 阶段、警告通知和 API 事务调用都会写入 spectrogram_merger.log。
- UI 日志面板增强: 将
status_text 日志面板的高度增加到 160px,以便舒适地显示详细的 DSP 管线状态报告。
- Matplotlib 画布调整: 将 Matplotlib 画布的 tight padding 参数从 0.5 减少到 0.3,以最大化可视渲染区域。调整了颜色条的间距和比例。将参数描述的字体大小减小到 7pt,以增加信息密度。
版本 0.4.0
(2024.09.01)
- 双轨保存架构(音乐 + 人声): 重写了
batch_save_worker.py 中的最终渲染工作流程。如果 ZIP 归档标记为“对”(pair),工作器将运行独立的管线:
- 加载并归一化原始音乐 WAV,计算线性增益(
gain_music)。
- 将这些增益应用于人声 WAV,以保持音量平衡。
- 根据各自独立的参数配置文件融合音乐声谱图(跳过终整)和人声音谱图。
- 在时域中对产生的音乐和人声信号求和。
- 应用最终峰值限制器并将最终混合写入单个 WAV 文件。
- 自动确定代表性音频片段位置: 在
audio_analysis.py 中开发了 find_representative_segment 算法。它读取音频的前 300 秒,计算局部 RMS 包络和基于 FFT 的谱平坦度。使用滑动窗口卷积,它定位包含最高能量密度和音调稳定性的 8 秒片段,绕过静音前奏。该片段用于测试。
- 用户调整测试片段: 从全局配置中移除了
PREVIEW_START_SEC 和 PREVIEW_END_SEC。向 GUI 添加了专用的微调框(test_start_adjust_spinbox, test_end_adjust_spinbox),允许用户手动偏移自动检测到的边界。
- 混合相位恢复 ('RTISI-LA-Hybrid'): 实现了混合相位检索方法:引擎首先使用 LWS 计算参考相位,然后将其作为高保真启动种子馈送给 RTISI-LA 算法。这最大程度减少了金属声音伪影。添加了
RTISI_LA_BETA 和 RTISI_LA_ALPHA_SMOOTH_MS 控制参数。
- 频谱遮罩平滑: 添加了
VERTICAL_SMOOTH_BLEND_FACTOR 参数,以在原始遮罩和频率平滑版本之间进行插值。从频段名称中移除了技术后缀(例如 (Fast Recalc)),以防止引发 KeyError 异常。
版本 0.3.2
(2024.07.24)
- 自动时间音频对齐: 在
steps.py 内部集成了 align_audio_signals(y1, y2, sr, max_shift_ms, ...) 函数。该算法通过 scipy.signal.correlate(method='fft') 运算利用快速傅里叶变换 (FFT) 计算信号单声道版本的交叉相关性。
- 时间对齐以实现相干相位重叠: 引擎在
MAX_ALIGNMENT_SHIFT_MS 定义的边界内计算最佳对齐滞后。它在时间轴上移动波形:在开始处用零填充滞后信号并裁剪领先信号,建立相位相干性。
- 自适应对齐参数: 向
ProcessingParams 中添加了 AUTO_ALIGN_AUDIO(激活标志,默认为 False)和 MAX_ALIGNMENT_SHIFT_MS(最大搜索滞后,默认为 50.0 ms)。
- 动态 GUI 可视化控制: 在参数编辑器中将对齐参数组合在一起;根据
AUTO_ALIGN_AUDIO 复选框状态动态显示或隐藏它们。
- 精简进度指标: 将
merge_spectrograms 中的总进度步骤从 10 增加到 11,以跟踪对齐阶段。添加了在禁用对齐时截断不等长输入信号的降级保护逻辑。
版本 0.3.1
(2024.07.23)
- 基于 ZIP 压缩包的批处理项目文件: 引入了使用包含
file1.wav、file2.wav 和 params.json 的 ZIP 归档的新批处理格式。批处理任务打包存入 Output_Zips_SpectrogramMerger 目录。
- 隔离临时资产: 导入的 ZIP 会解压到
Temp_SpectrogramMerger 目录内隔离的子文件夹中,防止产生文件混乱。
- 双层批处理 GUI (tabs.py): 使用
QSplitter 将“批处理”选项卡拆分为两个面板:
- *顶部区域 ("API -> ZIP")*:保存原始输入文件,触发初步的外部解混,并将资产打包到 ZIP 中。
- *底部区域 ("ZIP 归档")*:管理生成的 ZIP 项目并运行批处理和最终导出。
- 交互式批处理列表控件: 创建了自定义
BatchZipItemWidget。它具有紧凑的下拉选择器(流派、口音、质量)和测试片段微调框,以内联配置项目设置。具有颜色编码的状态状态:白色(空闲)、蓝色(已分析)、绿色(已编辑)。
- 无图形化 Headless 运行支持: 设计了一个降级
qt_fallbacks.py 模块,在缺失 Qt 时模拟 PySide6 控件、信号和插槽。这允许在未安装 X11 或 Qt 的 headless 远程服务器或虚拟环境上运行 DSP 管线。
- A-Weighting 数学微调: 修正了
perceptual_models.py 内部的 apply_a_weighting 函数,以处理小 epsilon 之上的频率 bin ($f > \epsilon$)。将 0 Hz bin(直流分量)强制设为 $-\infty$ dB,防止在某些 Librosa 版本中发生除以零错误。
版本 0.3.0
(2024.07.04)
- 谐波-打击乐声源分离 (HPSS) 集成: 集成了谐波-打击乐分离(
librosa.decompose.hpss)。当激活 HPSS 时,processing.py 将输入信号拆分为谐波和打击乐部分,在不同频段和声道中将它们作为独立的管线进行处理。
- 自适应打击乐平滑: 打击乐部分使用定制参数进行平滑(缩放高斯西格玛并缩短交叉过渡时间)。这保留了瞬态锐度,同时防止了相位模糊。
- 动态时间重分配 (TR): 从
reassignment.py 中移除了静态累积模式选择。在 'magnitude' 和 'energy' 积分之间的选择是在每帧根据瞬态性进行动态评估。
- 时变 k(t) 和 alpha(t) 系数: Softmax 曲率 ($k$) 和感官权重平衡 ($\alpha$) 已转换为时变数组,由 onset 包络进行调制。
- 集中式类型配置定义 (config/types.py): 创建了
types.py 以容纳字面量(MaskingMethod, PhaseMethod, NoiseEstimationMethod, ComponentType)和 ProcessingParams TypedDict。移除了过时的选项(REASSIGNMENT_MODE, USE_TRANSIENT_PROCESSING)。
- 单项配置检视面板: 向“批处理”选项卡添加了“单项设置”面板。用户可以单独为批处理中的每个文件配置流派、口音、质量和预览边界。
版本 0.2.1
(2024.04.29)
- 快速预览重构引擎 (fast_recalculation.py): 开发了一种算法,用于在调整 EQ 滑块或影响地图时快速刷新 Matplotlib 绘图。它通过将增益更新直接应用于缓存的中频幅度,绕过了繁琐的步骤(分频滤波、正向 STFT、二次调制和 ISTFT)。
- 动态预览微调框工厂: 将
PREVIEW_START_SEC 和 PREVIEW_END_SEC 移至 param_widgets 中,通过统一的控件工厂生成它们。
- 新型分析相位恢复方法 (phase.py):
- *LWS (局部加权和)*:从 STFT 一致性重建相位,根据幅度遮罩比例几何混合相位角。
- *RTISI-LA*:添加了带有前瞻的实时迭代频谱反转的特征占位符。
- 使用
'LWS' 和 'RTISI-LA' 选项扩展了 PHASE_METHOD。
- IBM 和 IRM 参考遮罩: 向
base_masks.py 添加了理想二进制遮罩 (IBM) 和理想比例遮罩 (IRM) 估算器,根据声源主导阈值分配能量。
- 去噪声维纳滤波: 将
MedianFilterTime 和 SpectralSubtractionAvg 噪声估算器集成到 base_masks.py 中,以便在计算维纳遮罩之前减去噪声功率谱。
- 线程安全的并行处理 (band_processor.py): 当通过
joblib (loky) 调用时,从内频段处理任务的特征中移除了 stop_event 检查,从而防止了与 Qt 绑定对象发生序列化问题。
版本 0.2.0
(2024.04.26)
- 集中式参数校验 (utils/validation.py): 设计了一个统一的
PARAMETER_METADATA 注册表,详细说明了所有设置的类型、安全边界(最小值/最大值)、步长增量和选项。
- 净化参数字典: 将限制函数(
_clamp, _clamp_int)移至校验模块。添加了 validate_value 和 sanitize_parameters,以清理配置字典并返回警告列表。
- 验证配置文件和 GUI 控件: 重构了
config/presets.py 中的配置文件加载,以使用 validate_value。控件工厂(gui/widgets/factory.py)直接查询 PARAMETER_METADATA,从而防止 GUI 与 DSP 限制发生不同步。
- 基于一维时间中值的噪声估计: 向
dsp/features.py 添加了 estimate_noise_median_filter_time,通过为每个频率 bin 沿时间轴应用一维中值滤波器来估计噪声。
- 起始片段平均噪声估计: 向
dsp/features.py 添加了 estimate_noise_spectral_subtraction_avg,根据初始静音片段(由 NOISE_EST_SS_START_SEC 定义)计算静态噪声曲线。
- 配置维纳噪声源: 向配置添加了
WIENER_NOISE_METHOD。将 sr 和 hop_length 传递给 calculate_base_masks 以启用谱减。维纳滤波器和信噪比 (SNR) 调制器支持所有 4 种噪声估计方法。
- 自适应瞬态感知遮罩交叉平滑: 添加了
WEIGHT_CROSSFADE_FRAMES_TRANSIENT。在 dsp/masking/smoothing.py 中,apply_mask_smoothing 在平稳段上使用标准交叉过渡长度 WEIGHT_CROSSFADE_FRAMES,而在瞬态段上使用缩短的交叉过渡长度,以防止发生声学模糊。
- 详细记录 DSP 操作: 在
dsp/masking/smoothing.py 中实现了一个详细的记录序列来追踪应用过的调制。apply_vertical_smoothing_crossfade 动态查询频段名称以构建清晰的状态报告。
版本 0.1.1
(2024.04.23)
- 重组左侧面板选项卡: 将“单轨融合”选项卡重命名为“参数编辑器”。移除了手动文件输入字段(
le_file1, le_file2, le_output),优先考虑基于批处理的项目工作流。
- 编辑器访问控制: 参数编辑器默认锁定,仅当从批处理队列中选择项目时才会激活。
- 预览面板优化: 从预览面板中移除了单次运行处理按钮。将“测试”重命名为“测试片段”,并将预览边界选择器移至参数编辑器中的“主要/测试”设置下。
- 高密度 GUI 布局: 将编辑器网格从 2 列布局重组为紧凑的 4 列方案。合并了独立的低、中、高 STFT 参数组。
- 支持准备好的波形对: 将“添加文件...”按钮拆分为“添加 MP3...”(带可选的解混)和“添加 WAV 对...”(用于直接双文件加载)。
- 自动配置加载: 选择批处理队列中的项目会自动将其设置加载到参数编辑器中并解锁选项卡。
- 代码清理: 删除了
gui/slots/file_slots.py,因为不推荐使用手动的单文件合并。更新了 widget_state.py 和 profile_io.py,以根据批处理项状态处理选项卡锁定。
版本 0.1.0
(2024.04.18)
- 最初的阿尔法版本: 为模块化处理、异步执行和外部 API 集成奠定了基础。
- 模块化架构: 将代码库划分为不同的包:配置(
config)、编排(core)、DSP 操作(dsp)、界面(gui)、I/O 处理(io)和外部 API(services)。
- 异步后台执行 (QThread): 将昂贵的计算移至
QThread 后台工作器(ProcessingWorker, PreviewWorker),以防止 GUI 冻结。实现了基本的外部解混集成。
- 选项卡排版: 向左侧面板添加了“批量处理”和“单轨融合”选项卡。
- 动态参数编辑器: 基于控件工厂(
factory.py)构建了一个动态参数编辑器,将配置结构转换为 GUI 控件。
- 对数 EQ 和影响地图滑动条: 为均衡器和影响地图构建了专门的 12 波段对数滑动条。
- Matplotlib 画布集成: 集成了 Matplotlib 画布来渲染声谱图和融合遮罩。
- 5 阶巴特沃斯分频滤波器: 实现了 5 阶巴特沃斯分频器,将输入信号分为低、中、高频段。
- 基础融合遮罩: 实现了 Softmax 和维纳遮罩计算。
- 遮罩调制滤波器: 添加了基于谱平坦度、相位共振、频谱流和局部极小值噪声统计的遮罩调制滤波器。
- 相位恢复: 添加了 Complex、Dominant 和 Blend 相位混合方法,以及快速格里芬-林(FGLA)相位检索。
- 时间重分配 (TR): 集成了时间重分配算法,以提高声谱图中瞬态的清晰度。