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

技術要約：制御電圧測定を用いたダイナミックレンジコンプレッサーモデルの評価

問題提起
ダイナミックレンジコンプレッサー（DRC）の主要な挙動は、入力信号に適用される時変ゲイン信号（$g_{dB}[k]$）によって定義される。しかし、既存のDRCモデリング用データセットでは、このゲイン信号は直接観測できず、オーディオの入出力ペアのみが提供されている。オーディオデータから$g_{dB}[k]$を分離することは、アナログハードウェアやキャプチャチェーンに固有の二次的効果（位相シフト、振幅応答の偏差、ノイズなど）によって複雑化された、不良設定の逆問題となる。その結果、現在のモデル評価は、出力波形に基づいて計算される「プロキシ指標」（平均絶対誤差やマルチレゾリューション短時間エネルギーなど）に依存している。著者らは、これらのプロキシ指標はゲイン信号を不明瞭にする二次的効果と同じ影響を受けやすく、モデルが核となるゲイン低減挙動ではなく、不可聴なアーティファクトを模倣することに対して報酬を与えたり、ペナルティを課したりするという、誤解を招く評価につながる可能性があると主張している。

手法
これらの制限に対処するため、著者らは制御電圧（CV）測定を用いた直接的な評価手法を提案している。コアとなる手法は以下の通りである：

1. 直接測定： ハードウェアと共に生成されるゲイン低減制御電圧信号を、オーディオの入力および出力と共にキャプチャする。このCV信号は、逆問題を解く必要を排除するために、正確なデシベル単位のゲイン低減（$g_{dB}[k]$）を表すようスケーリングされる。
2. 実験的比較： 著者らは、3つの異なる損失レジームを用いて、グレーボックス・ダイナミクスモデル（torchcompの修正版）を訓練した：
   • ゲイン信号に対する直接損失：$L_1(g_{dB}, \hat{g}_{dB})$。
   • 処理済み波形に対するプロキシ損失：$L_1(y, \hat{y})$。
   • マルチレゾリューション短時間エネルギーを用いた処理済み波形に対するプロキシ損失：$MSTE(y, \hat{y})$。
3. 評価： 各レジームについて、同一の最適化設定と単一の30秒間のステレオ抜粋を用いて10個の独立したモデルを訓練した。その後、これらのモデルをグラウンドトゥルースのゲイン軌跡およびプロキシ指標に対して評価し、プロキシ損失を最小化することが、基礎となる制御軌跡の回収に効果的であるかどうかを判定した。

主な貢献

• 手法のアプローチ： 本論文は、ゲイン信号をオーディオ波形から推論するのではなく、ハードウェアの制御電圧に対してゲイン低減信号を直接測定することによる、DRCモデルの評価手法を導入し、検証している。
• データセットの公開： 著者らは、Solid State Logic (SSL) Logic FX G384 バスコンプレッサーを特徴とする新しいデータセットを提示している。これには、90の制御パーミュテーションにわたって処理された219のステレオ音楽クリップとキャリブレーション信号が含まれる。極めて重要な点として、すべてのオーディオ入出力ペアには、対応するゲイン制御電圧信号（$g_{dB}[k]$）が、44.1 kHz、32ビット解像度で付随している。
• 実証的エビデンス： 本研究は、プロキシ指標（波形ベースの$L_1$およびMSTE）が、ゲイン低減の精度において著しく異なるモデルを区別できないことを示す実証的データを提供している。

結果
実験結果は以下を示している：

• プロキシ損失（$L_1(y, \hat{y})$および$MSTE(y, \hat{y})$）を用いて訓練されたモデルは、グラウンドトゥルースの制御軌跡に対して評価した際、ゲイン制御信号を直接用いて訓練されたモデルと同等の性能に達しなかった。
• プロキシ損失を用いて訓練されたモデル間の誤差の広がりは、直接的なゲイン低減指標を用いた場合の広がり（85.9%）と比較して、著しく小さかった（$L_1$では2.8%、MSTEでは13.3%）。
• 波形ドメインの指標は、直接的な指標によって明確に分離されているモデルに対して、同様の誤差値を割り当てた。これは、プロキシ目的関数が顕著なプロセッサ挙動の差異を覆い隠してしまう可能性を示唆している。
• 直接的な指標は、プロキシ損失を最小化することが、ゲイン軌跡の誤差を最小化することと等価ではないことを明らかにした。

意義
本論文は、提案されたデータセットに制御電圧信号を含めることで、DRCモデリングにおける主要な関心事であるゲイン低減挙動の直接的な教師あり学習が可能になると主張している。ゲイン軌跡上のグラウンドトゥルース誤差に対して評価を行うことを可能にすることで、本研究は研究者が以下を行うことを可能にする：

1. 真の目的関数に基づいた損失関数を用いてモデルを訓練し、潜在的に欠陥のあるプロキシ指標を排除する。
2. 既存のプロキシ指標を厳密に評価し、その限界と失敗モードを理解する。
3. ジェネリックなモデルが捉えきれない可能性のある特定のハードウェア挙動（SSLのプログラム依存のリリースや曲線的な静的応答など）を調査する。

著者らは、プロキシ指標は基礎となる関心事と相関する場合があるものの、ゲイン低減誤差の機能的に等価な代替物ではないと結論付けており、制御信号の直接測定が、モデル評価のためのより解釈可能で正確な基盤を提供すると述べている。