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

Resumo Técnico: Avaliando Modelos de Compressor de Faixa Dinâmica Usando Medições de Tensão de Controle

Definição do Problema
O comportamento primário de um compressor de faixa dinâmica (DRC) é definido pelo sinal de ganho variante no tempo ($g_{dB}[k]$) aplicado a um sinal de entrada. No entanto, nos conjuntos de dados existentes para modelagem de DRC, esse sinal de ganho não é diretamente observável; apenas pares de áudio entrada–saída são fornecidos. Isolar $g_{dB}[k]$ a partir de dados de áudio constitui um problema inverso mal condicionado, complicado por efeitos secundários inerentes ao hardware analógico e às cadeias de captura, como deslocamentos de fase, desvios na resposta de amplitude e ruído. Consequentemente, a avaliação dos modelos atuais baseia-se em "métricas de aproximação" (proxy metrics) computadas sobre as formas de onda de saída (ex: Erro Médio Absoluto ou Energia de Curto Prazo Multi-Resolução). Os autores argumentam que essas métricas de aproximação são sensíveis aos mesmos efeitos secundários que obscurecem o sinal de ganho, podendo levar a avaliações enganosas onde os modelos são penalizados ou recompensados por mimetizar artefatos inaudíveis em vez do comportamento central de redução de ganho.

Metodologia
Para abordar essas limitações, os autores propõem um método de avaliação direta usando medições de tensão de controle (CV). A metodologia central envolve:

1. Medição Direta: Capturar o sinal de tensão de controle de redução de ganho produzido pelo hardware juntamente com o áudio de entrada e saída. Este sinal de CV é escalonado para representar a redução exata de ganho em decibéis ($g_{dB}[k]$), contornando a necessidade de resolução de problemas inversos.
2. Comparação Experimental: Os autores treinaram um modelo de dinâmica de caixa cinza (uma versão modificada do torchcomp) usando três regimes de perda distintos:
   • Perda direta no sinal de ganho: $L_1(g_{dB}, \hat{g}_{dB})$.
   • Perda de aproximação nas formas de onda processadas: $L_1(y, \hat{y})$.
   • Perda de aproximação nas formas de onda processadas usando Energia de Curto Prazo Multi-Resolução: $MSTE(y, \hat{y})$.
3. Avaliação: Dez modelos independentes foram treinados para cada regime usando configurações de otimização idênticas e um único trecho estéreo de 30 segundos. Os modelos foram então avaliados contra a trajetória de ganho de verdade fundamental (ground-truth) e as métricas de aproximação para determinar se a minimização das perdas de aproximação recupera efetivamente a trajetória de controle subjacente.

Principais Contribuições

• Abordagem Metodológica: O artigo introduz e valida um método para avaliar modelos de DRC medindo o sinal de tensão de controle de redução de ganho diretamente contra a tensão de controle do hardware, em vez de inferi-lo de formas de onda de áudio.
• Lançamento de Conjunto de Dados: Os autores apresentam um novo conjunto de dados apresentando um compressor de barramento Solid State Logic (SSL) Logic FX G384. Ele inclui 219 clipes de música estéreo e sinais de calibração processados através de 90 permutações de controle. Crucialmente, cada par de áudio entrada–saída é acompanhado pelo correspondente sinal de tensão de controle de ganho ($g_{dB}[k]$), amostrado a 44,1 kHz com resolução de 32 bits.
• Evidência Empírica: O estudo fornece dados empíricos demonstrando que as métricas de aproximação (L1 de forma de onda e MSTE) falham em distinguir entre modelos que possuem diferenças significativas na precisão da redução de ganho.

Resultos
Os resultados experimentais indicam que:

• Modelos treinados usando perdas de aproximação ($L_1(y, \hat{y})$ e $MSTE(y, \hat{y})$) não atingiram paridade com modelos treinados diretamente no sinal de controle de ganho quando avaliados contra a trajetória de controle de verdade fundamental.
• A dispersão de erros entre os modelos treinados com perdas de aproximação foi significativamente menor (2,8% para $L_1$ e 13,3% para MSTE) comparada à dispersão observada ao usar a métrica direta de redução de ganho (85,9%).
• As métricas de domínio de forma de onda atribuíram valores de erro semelhantes a modelos que estavam claramente separados pela métrica direta, sugerindo que objetivos de aproximação podem obscurecer diferenças salientes no comportamento do processador.
• A métrica direta revelou que minimizar perdas de aproximação não é equivalente a minimizar o erro na trajetória de ganho.

Significância
O artigo afirma que a inclusão do sinal de tensão de controle no conjunto de dados proposto permite a supervisão direta do comportamento de redução de ganho, que é a quantidade de interesse primária no modelagem de DRC. Ao permitir a avaliação contra um erro de verdade fundamental definido na trajetória de ganho, este trabalho permite que pesquisadores:

1. Treinem modelos usando funções de perda definidas no objetivo real, eliminando a necessidade de métricas de aproximação potencialmente falhas.
2. Avaliem rigorosamente as métricas de aproximação existentes para entender suas limitações e modos de falha.
3. Investiguem comportamentos específicos de hardware (como o release dependente de programa e a resposta estática curva do SSL) que modelos genéricos podem falhar em capturar.

Os autores concluem que, embora as métricas de aproximação possam correlacionar-se com a quantidade de interesse subjacente, elas não são equivalentes funcionais substitutas para o erro de redução de ganho, e a medição direta do sinal de controle oferece uma base mais interpretável e precisa para a avaliação de modelos.