Vibrato Matching for Modulation Control and Blending in Sound Mixtures
यह शोध पत्र एक विब्रेटो मिलान एल्गोरिदम पेश करता है जो ध्वनियों के मिश्रण के लिए और ध्वनि स्रोतों के बोध को कम करने के लिए संकेतों के बीच विब्रेटो पैटर्न को दबाता है और फिर उन्हें स्थानांतरित करता है, जिससे स्रोत पृथक्करण प्रणालियों के प्रदर्शन में भी गिरावट आती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
ध्वनि की दुनिया में, हमारे कान इस बात को अलग करने में बेहद कुशल हैं कि कौन क्या बजा रहा है, भले ही कई वाद्य यंत्र एक ही समय में एक ही स्वर बजा रहे हों। यह क्षमता काफी हद तक 'वाइब्रेटो' नामक एक सूक्ष्म संगीत तकनीक पर निर्भर करती है, जो पिच (स्वर) और वॉल्यूम (ध्वनि तीव्रता) का एक हल्का, तीव्र उतार-चढ़ाव है जिसे संगीतकार स्वाभाविक रूप से लंबे स्वरों में जोड़ते हैं। हालांकि इस उतार-चढ़ाव का उपयोग अक्सर भावनाओं को व्यक्त करने के लिए किया जाता है, लेकिन यह मस्तिष्क के लिए एक व्यावहारिक कार्य भी करता है: क्योंकि दो संगीतकार अपने स्वरों को बिल्कुल एक ही तरह से नहीं कंपन करते, इसलिए ये सूक्ष्म अंतर विशिष्ट पहचान (फिंगरप्रिंट) के रूप में कार्य करते हैं। जब एक श्रोता दो वॉयलिन को एक साथ बजते हुए सुनता है, तो उनका मस्तिष्क इन विशिष्ट उतार-चढ़ावों का उपयोग करके दो आवाजों को अलग करता है, जिससे उन्हें दो अलग स्रोतों के रूप में पहचाना जा सके। यह सिद्धांत इतना विश्वसनीय है कि मिश्रित ऑडियो संकेतों को अलग करने के लिए डिज़ाइन किए गए कंप्यूटर प्रोग्राम भी इन अंतरों पर निर्भर करते हैं ताकि वे उलझन को सुलझा सकें।
कैलिफोर्निया विश्वविद्यालय सैन डिएगो के एक शोधकर्ता ने अब इन अंतरों को जानबूझकर मिटाने की एक विधि विकसित की है, जो प्रभावी रूप से कंप्यूटर को यह सिखाती है कि दो अलग-अलग ध्वनि स्रोतों को एक ही तरह से कंपन करते हुए कैसे सुना जाए। एक वाद्य यंत्र की रिकॉर्डिंग लेकर उसके प्राकृतिक उतार-चढ़ाव को हटाने और फिर सावधानीपूर्वक दूसरे वाद्य यंत्र के सटीक उतार-चढ़ाव के पैटर्न को उस पर आरोपित करके, शोधकर्ता ने एक ऐसी प्रणाली बनाई है जो दो अलग ध्वनियों को एक एकल, निर्बाध इकाई में मिला सकती है। अध्ययन यह प्रदर्शित करता है कि जब यह मिलान किया जाता है, तो दो अलग स्रोतों को पहचानने की कंप्यूटर एल्गोरिदम की क्षमता काफी कम हो जाती है। हालांकि सुनने के परीक्षण अभी तक यह पुष्टि करने के लिए नहीं किए गए हैं कि यूनिसन (एक ही स्वर) संकेतों पर वाइब्रेटो मिलान का उपयोग करने से कई स्रोतों को पहचानने की मानवीय क्षमता कम होती है या नहीं, लेकिन तथ्य यह है कि इसी तरह के श्रवण परीक्षणों से प्रेरित स्रोत पृथक्करण एल्गोरिदम में पृथक्करण की क्षमता में कमी देखी गई है, यह सुझाव देता है कि मानव श्रोताओं के लिए भी ऐसी ही गिरावट हो सकती है। यह कार्य सुझाव देता है कि इन सूक्ष्म मॉडुलन को नियंत्रित करके, साउंड इंजीनियर हाइब्रिड वाद्य यंत्र बना सकते हैं या मिश्रण में कई वादकों की उपस्थिति को छिपा सकते हैं, जिससे अलगाव के लिए एक प्राकृतिक संकेत को मिश्रण के लिए एक उपकरण में बदला जा सकता है।
यह प्रक्रिया एक लक्ष्य ध्वनि (target sound), जैसे कि एक गायक की रिकॉर्डिंग, और एक स्रोत ध्वनि (source sound), जैसे कि एक सैक्सोफोन की रिकॉर्डिंग से शुरू होती है। पहला चरण लक्ष्य रिकॉर्डिंग की डिजिटल सफाई है। कंप्यूटर गायक की आवाज का विश्लेषण करता है ताकि पिच और वॉल्यूम के प्राकृतिक उतार-चढ़ाव को पाया जा सके, फिर वह आवाज को पूरी तरह से स्थिर होने तक सुचारू बनाता है, जिससे प्राकृतिक वाइब्रेटो पूरी तरह से समाप्त हो जाता है। एक बार जब लक्ष्य संकेत अपने मूल संचलन से मुक्त हो जाता है, तो प्रणाली स्रोत संकेत की ओर मुड़ती है ताकि उसके विशिष्ट उतार-चढ़ाव के पैटर्न को सीख सके। यह केवल ध्वनि के समग्र आकार की नकल नहीं करता है; इसके बजाय, यह स्रोत को उसके व्यक्तिगत संगीत स्वरों और उनके बीच मौजूद बैकग्राउंड शोर में विभाजित करता है। प्रत्येक स्वर के लिए, सिस्टम गणना करता है कि वॉल्यूम ठीक कैसे बढ़ता और घटता है, और बैकग्राउंड शोर के लिए, यह विभिन्न आवृत्तियों (frequencies) में ऊर्जा के बदलाव का मानचित्रण करता है।
इन विस्तृत पैटर्न के साथ, सिस्टम उन्हें स्थिर लक्ष्य संकेत पर लागू करता है। यह सुचारू, बिना कंपन वाली आवाज को लेता है और उसे मॉड्युलेट करना शुरू करता है, जिसमें सैक्सोफोन के विशिष्ट वॉल्यूम उतार-चढ़ाव और पिच शिफ्ट को वापस जोड़ा जाता है। महत्वपूर्ण बात यह है कि यह एक 'वन-साइज़-फिट्स-ऑल' अनुप्रयोग नहीं है। सिस्टम आवाज के भीतर प्रत्येक संगीत स्वर के लिए एक अद्वितीय वॉल्यूम उतार-चढ़ाव लागू करता है, ठीक वैसे ही जैसे एक वास्तविक सैक्सोफोन करता है, और यह आवाज के बैकग्राउंड शोर के लिए एक अलग, जटिल उतार-चढ़ाव भी लागू करता है। विवरण पर यह ध्यान सुनिश्चित करता है कि परिणाम रोबोटिक होने के बजाय स्वाभाविक लगे। अंतिम आउटपुट एक ऐसी आवाज है जो मूल गायक के स्वर और पिच को बनाए रखती है लेकिन सैक्सोफोन की सटीक लयबद्ध और गतिशील व्यक्तित्व के साथ चलती है।
शोधकर्ताओं ने दो अलग-अलग वोकल रिकॉर्डिंग को मिलाकर इस पद्धति का परीक्षण किया। मूल मिश्रण में, जहाँ गायकों के प्राकृतिक उतार-चढ़ाव के पैटर्न अलग थे, ध्वनि खुरदरी और असमान थी, और एक कंप्यूटर प्रोग्राम आसानी से दोनों आवाजों को अलग कर सकता था क्योंकि उनकी गति विशिष्ट थी। हालाँकि, जब शोधकर्ताओं ने अपने एल्गोरिदम का उपयोग करके गायकों को बिल्कुल एक ही तरह से कंपन करने के लिए मजबूर किया, तो परिणाम नाटकीय रूप से बदल गया। मिश्रित ध्वनि सुचारू और एकीकृत हो गई, जो एक ही गायक की तरह सुनाई दी जिसे पूर्ण निरंतरता के साथ दो बार रिकॉर्ड किया गया हो। जब उसी कंप्यूटर प्रोग्राम ने आवाजों को अलग करने की कोशिश की, तो वह पूरी तरह से विफल रहा, दो स्रोतों के बीच अंतर करने में असमर्थ रहा। ध्वनि का दृश्य प्रतिनिधित्व (visual representation) दो आवाजों को एक एकल, ठोस रेखा में विलीन होते हुए दिखाता है, जो एक एकल प्रदर्शन से अलग नहीं पहचाना जा सकता।
यह प्रभाव तब भी बना रहा जब शोधकर्ताओं ने बहुत अलग वाद्य यंत्रों को मिलाया, जैसे कि बासून (bassoon) और बास ओबो (bass oboe)। मिलान प्रक्रिया से पहले, कंप्यूटर उनके अलग-अलग उतार-चढ़ाव पैटर्न के आधार पर दोनों वाद्य यंत्रों को अलग कर सकता था। एल्गोरिदम द्वारा उन्हें एक ही वाइब्रेटो साझा करने के लिए मजबूर करने के बाद, पृथक्करण विफल हो गया, और दोनों वाद्य यंत्र एक एकल, मिश्रित इकाई की तरह सुनाई दिए। अध्ययन बताता है कि हालांकि ध्वनि सुनने के लिए टोन कलर जैसे अन्य कारक भी भूमिका निभाते हैं, लेकिन इन विशिष्ट उतार-चढ़ाव पैटर्न का मिलान कई स्रोतों की उपस्थिति को छिपाने के लिए एक शक्तिशाली उपकरण है। शोधकर्ता प्रस्तावित करते हैं कि इस तकनीक का उपयोग नए हाइब्रिड वाद्य यंत्रों को डिजाइन करने के लिए रचनात्मक रूप से किया जा सकता है या यह नियंत्रित करने के लिए किया जा सकता है कि श्रोता ध्वनियों को एक साथ कैसे जोड़ते हैं, जिससे अपने हिस्सों को एक जैसा बनाकर एक संगीत व्यवस्था की जटिलता को प्रभावी ढंग से छिपाया जा सके।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।