Evaluating Dynamic Range Compressor Models Using Control-Voltage Measurements: an Approach and Dataset

Resumen Técnico: Evaluación de Modelos de Compresores de Rango Dinámico mediante Mediciones de Voltaje de Control

Planteamiento del Problema
El comportamiento primario de un compresor de rango dinámico (DRC) está definido por la señal de ganancia variable en el tiempo ($g_{dB}[k]$) aplicada a una señal de entrada. Sin embargo, en los conjuntos de datos existentes para el modelado de DRC, esta señal de ganancia no es directamente observable; solo se proporcionan pares de audio de entrada-salida. Aislar $g_{dB}[k]$ a partir de datos de audio constituye un problema inverso mal condicionado, complicado por efectos secundarios inherentes al hardware analógico y a las cadenas de captura, tales como desplazamientos de fase, desviaciones en la respuesta de amplitud y ruido. En consecuencia, la evaluación de los modelos actuales depende de "métricas de proximidad" (proxy metrics) computadas sobre las formas de onda de salida (por ejemplo, Error Absoluto Medio o Energía de Corto Tiempo Multiresolución). Los autores argumentan que estas métricas de proximidad son sensibles a los mismos efectos secundarios que oscurecen la señal de ganancia, lo que podría conducir a evaluaciones engañosas donde se penaliza o recompensa a los modelos por imitar artefactos inaudibles en lugar del comportamiento central de reducción de ganancia.

Metodología
Para abordar estas limitaciones, los autores proponen un método de evaluación directa utilizando mediciones de voltaje de control (CV). La metodología central consiste en:

1. Medición Directa: Capturar la señal de voltaje de control de la reducción de ganancia producida por el hardware junto con el audio de entrada y salida. Esta señal de CV se escala para representar la reducción de ganancia exacta en decibelios ($g_{dB}[k]$), evitando la necesidad de resolver el problema inverso.
2. Comparación Experimental: Los autores entrenaron un modelo de dinámica de caja gris (una versión modificada de torchcomp) utilizando tres regímenes de pérdida distintos:
   • Pérdida directa sobre la señal de ganancia: $L_1(g_{dB}, \hat{g}_{dB})$.
   • Pérdida de proximidad sobre formas de onda procesadas: $L_1(y, \hat{y})$.
   • Pérdida de proximidad sobre formas de onda procesadas utilizando la Energía de Corto Tiempo Multiresolución: $MSTE(y, \hat{y})$.
3. Evaluación: Se entrenaron diez modelos independientes para cada régimen utilizando configuraciones de optimización idénticas y un único fragmento estéreo de 30 segundos. Los modelos fueron entonces evaluados contra la trayectoria de ganancia de verdad fundamental (ground-truth) y las métricas de proximidad para determinar si la minimización de las pérdidas de proximidad recupera eficazmente la trayectoria de control subyacente.

Contribuciones Clave

• Enfoque Metodológico: El artículo introduce y valida un método para evaluar modelos de DRC mediante la medición directa de la señal de voltaje de control de reducción de ganancia frente al hardware, en lugar de inferirla de las formas de onda de audio.
• Lanzamiento de Dataset: Los autores presentan un nuevo conjunto de datos que presenta un compresor de bus Solid State Logic (SSL) Logic FX G384. Incluye 219 clips de música estéreo y señales de calibración procesadas a través de 90 permutaciones de control. Crucialmente, cada par de audio de entrada-salida viene acompañado de la correspondiente señal de voltaje de control de ganancia ($g_{dB}[k]$), muestreada a 44.1 kHz con resolución de 32 bits.
• Evidencia Empírica: El estudio proporciona datos empíricos que demuestran que las métricas de proximidad (L1 de forma de onda y MSTE) no logran distinguir entre modelos que tienen diferencias significativas en la precisión de la reducción de ganancia.

Resultados
Los resultados experimentales indican que:

• Los modelos entrenados con pérdidas de proximidad ($L_1(y, \hat{y})$ y $MSTE(y, \hat{y})$) no alcanzaron la paridad con los modelos entrenados directamente sobre la señal de control de ganancia cuando se evaluaron frente a la trayectoria de control de verdad fundamental.
• La dispersión de errores entre los modelos entrenados con pérdidas de proximidad fue significativamente menor (2.8% para $L_1$ y 13.3% para MSTE) en comparación con la dispersión observada al utilizar la métrica directa de reducción de ganancia (85.9%).
• Las métricas en el dominio de la forma de onda asignaron valores de error similares a modelos que estaban claramente separados por la métrica directa, lo que sugiere que los objetivos de proximidad pueden oscurecer diferencias salientes en el comportamiento del procesador.
• La métrica directa reveló que minimizar las pérdidas de proximidad no es equivalente a minimizar el error en la trayectoria de ganancia.

Significancia
El artículo sostiene que la inclusión de la señal de voltaje de control en el dataset propuesto permite la supervisión directa del comportamiento de reducción de ganancia, que es la cantidad de interés principal en el modelado de DRC. Al permitir la evaluación frente a un error de verdad fundamental definido en la trayectoria de ganancia, este trabajo permite a los investigadores:

1. Entrenar modelos utilizando funciones de pérdida definidas sobre el objetivo real, eliminando la necesidad de utilizar métricas de proximidad potencialmente erróneas.
2. Evaluar rigurosamente las métricas de proximidad existentes para comprender sus limitaciones y modos de falla.
3. Investigar comportamientos específicos de hardware (como el release dependiente del programa y la respuesta estática curva del SSL) que los modelos genéricos pueden no capturar.

Los autores concluyen que, si bien las métricas de proximidad pueden correlacionarse con la cantidad de interés subyacente, no son equivalentes funcionales para el error de reducción de ganancia, y la medición directa de la señal de control ofrece una base más interpretable y precisa para la evaluación de modelos.