MusicGenerate

Középcsatornás vokálszétválasztás mérése

Mennyi tűnik el tényleg a középre helyezett jelből, és mi marad meg.

Közzétéve

Röviden

A sávkorlátozott mid/side kioltás 29,5 dB-bel — nagyjából az amplitúdó 97%-ával — csökkentette egy középre panorámázott teszthangot, miközben ugyanabban a fájlban egy keményen panorámázott hang csak 0,5 dB-t vesztett. Ez a különbség a karaoke-jellegű vokáleltávolítás egész alapja, és mérhető tény, nem vélemény kérdése.

Módszer

  1. 01

    Szintetizálj egy 3 másodperces, 44,1 kHz-es sztereó WAV-ot két jellel: 440 Hz mindkét csatornában azonos amplitúdóval (középre tett fővokál helyettese), és 2 kHz csak a bal csatornában (keményen panorámázott hangszer helyettese).

  2. 02

    Dolgozd fel a fájlt az oldal saját szeparációs motorjával instrumental módban — mid/side bontás, ahol a közép csak 180 Hz és 9 kHz között van kioltva, kaszkádolt 24 dB/okt crossover szűrőkkel.

  3. 03

    Dekódold az exportált WAV-ot vissza egy AudioBufferbe, és mérd meg az energiát 440 Hz-en és 2 kHz-en Goertzel-szűrővel az első 2 másodpercben.

  4. 04

    Hasonlítsd össze mindkettőt a feldolgozatlan forráson végzett azonos méréssel.

Eredmények

MérésÉrtékMegjegyzés
Középre tett 440 Hz-es hang−29,5 dBkb. 97% eltávolítva
Keményen panorámázott 2 kHz-es hang−0,5 dBlényegében érintetlen
Kimenet hossza3,00 sváltozatlan
Kimeneti csatornák2sztereó megmaradt
Feldolgozási idő< 1 mpböngészőben, feltöltés nélkül

Megállapítások

A kioltás közel teljes, de csak a tökéletesen középre tett tartalomnál

Az azonos amplitúdójú és fázisú, mindkét csatornán azonos hang az ideális eset, és 29.5 dB-ot veszít. A valódi ének sosem ennyire középen van — a kis különbségek a reverbben, duplázásban és sztereó szélesítésben maradékot hagynak. A mérés ezért inkább a módszer plafonját írja le, nem azt, amit egy kereskedelmi felvétel adni fog.

A sávkorlátozás az, amitől a végeredmény használható marad

A naiv L−R kioltás minden frekvencián eltávolít mindent, ami középen van, a lábdobot és a basszust is. Ha a kioltást 180 Hz–9 kHz-re korlátozod, azok a sávok érintetlenek maradnak — ezért hat a feldolgozott fájl továbbra is zenének, nem pedig vékony mono műterméknek. A 0.5 dB veszteség az oldalra panorámázott hangon igazolja, hogy az érintetlen sávok lényegében változatlanul átmennek.

A sztereó szélesség előre jelzi az eredményt feldolgozás előtt

Mivel a módszer teljesen a csatornák különbségére épül, a fájl side/mid energiaránya előre jelzi, egyáltalán működhet-e. Egy mono fájlban nincs kihasználható különbség, így majdnem csend lesz az eredmény — ezért méri ezt először az eszköz, és inkább nem fut le, minthogy egy használhatatlan fájlt gyártson.

Korlátok

  • A szintetikus hangok a legjobb eset; a kereskedelmi masterek szűkebbek és jobban feldolgozottak
  • Az éneken a reverb- és delay-farkak nem középen vannak, és túlélik a kioltást
  • A duplázott vagy keményen panorámázott háttérvokálok tervezetten megmaradnak
  • Egy böngészőmotoron mérve; a Web Audio szűrők más implementációi kissé eltérhetnek

Középcsatornás vokálszétválasztás mérése

Mennyi tűnik el tényleg a középre helyezett jelből, és mi marad meg.