الفصل الفوري للمصادر بالذكاء الاصطناعي والمسارات المنفصلة

في جوهره، يستخدم الفصل الفوري للمصادر بالذكاء الاصطناعي شبكات عصبية عميقة مدربة على مجموعات ضخمة من البيانات الصوتية المختلطة والمسارات المنفصلة لها. تقوم نماذج مثل Demucs و Spleeter أو الخوارزميات الخاصة بتحليل التردد والطور والأنماط الزمنية للمزيج الوارد للتنبؤ بالمكونات التي تنتمي إلى كل مصدر. وخلافاً للتصفية التقليدية التي تعتمد على نطاقات ترددية ثابتة، تتعلم نماذج الذكاء الاصطناعي البصمات الفريدة للآلات والأصوات، مما يمكنها من فصل المصادر التي تتداخل ترددياً.

في التطبيقات الحية، يتم تخزين تدفق الصوت في إطارات قصيرة (عادة 10-50 مللي ثانية)، وتتم معالجته بواسطة الشبكة العصبية، ثم يتم إخراجه كمسارات منفصلة. التحدي الرئيسي هو تحقيق ذلك بزمن استجابة منخفض بما يكفي للاستخدام في التغذية الراجعة (IEM) أو البث، وعادة ما يكون أقل من 10 مللي ثانية للمراقبة. وحدات معالجة الرسومات الحديثة ومسرعات الذكاء الاصطناعي المخصصة (مثل NVIDIA TensorRT و Apple Neural Engine) تجعل ذلك ممكناً، على الرغم من أن الحلول المعتمدة على وحدة المعالجة المركزية لا تزال تعاني من زمن استجابة أعلى.

بالنسبة لمهندسي الصوت الحي، يفتح الفصل الفوري للمصادر إمكانيات إبداعية جديدة. تخيل عزل الغناء الرئيسي من مسار خلفي لإضافة صدى أو تأخير دون التأثير على الفرقة، أو استخراج منفردة جيتار لإرسالها إلى سلسلة تأثيرات منفصلة. يمكن لـ DJs والموسيقيين الإلكترونيين إعادة مزج العروض الحية عن طريق كتم أو إفراد المسارات أثناء الأداء، مما يخلق مزيجات فريدة أو إصدارات موسعة.

في إعدادات المهرجانات والحفلات، يمكن استخدام هذه التقنية أيضاً لتوليد تغذيات منفصلة للبث أو البث المباشر. على سبيل المثال، قد يحتاج مهندس البث إلى مسار غناء نظيف للتلفزيون بينما يظل مزيج القاعة دون تغيير. يرى SSOUNDS أن هذا يمثل قيمة مضافة محتملة لنظام DSP الخاص به، مما يسمح للمهندسين بتوجيه المسارات المنفصلة إلى مخارج مختلفة دون أجهزة إضافية.

هناك اعتبار آخر وهو جودة التشوهات: إذا أدى الفصل إلى عيوب مسموعة أو إزاحة طورية أو 'تسرب' بين المسارات، فقد يفسد مزيج المراقبة. تحقق النماذج الحديثة فصلاً شبه شفاف للمواد المسجلة جيداً، لكن المزجات الصعبة (مثل التشويه الشديد، الغناء المتداخل) لا تزال تنتج تشوهات. يجب على المهندسين الموازنة بين فائدة المرونة مقابل التدهور المحتمل.

على الرغم من التقدم السريع، لا يعد الفصل الفوري للمصادر بالذكاء الاصطناعي حلاً جاهزاً لكل سيناريو حي. الحد الأساسي هو زمن الاستجابة: حتى أسرع النماذج على وحدات معالجة الرسومات المتطورة تقدم تأخيراً يتراوح بين 5 و20 مللي ثانية، وهو ما قد يكون مشكلة للمراقبة أو البث الحساس للوقت. بالنسبة لاستخدام FOH (أمام المنزل) حيث يكون زمن الاستجابة أقل أهمية، فإن هذا مقبول، ولكن بالنسبة لـ IEM، كل مللي ثانية مهمة.

التشوهات هي مصدر قلق آخر. يمكن لنماذج الذكاء الاصطناعي إنتاج 'ضوضاء موسيقية'، أصوات خافتة غير طبيعية تشبه المصدر الأصلي ولكنها غير دقيقة قليلاً. في المزيج الحي، يمكن أن تتراكم هذه التشوهات عبر مسارات متعددة، مما يقلل من جودة الصوت الإجمالية. يوصي SSOUNDS باستخدام فصل المسارات بشكل أساسي لأغراض مساعدة (مثل تغذيات البث، التسجيل) بدلاً من أن يكون المصدر الوحيد لمزجات المراقبة الحرجة حتى تنضج التقنية.

قوة المعالجة هي أيضاً عائق. يتطلب تشغيل شبكة عصبية في الوقت الفعلي وحدة معالجة رسومات مخصصة أو مسرع، مما يضيف تكلفة وتعقيداً لنظام الصوت. تقدم الحلول السحابية زمن استجابة كبيراً جداً، لذا يجب أن تكون جميع المعالجة محلية. يستكشف SSOUNDS التكامل مع شرائح DSP من الجيل التالي التي تتضمن نوى استدلال الذكاء الاصطناعي، مما قد يجعل فصل المسارات ميزة قياسية في المضخمات ووحدات التحكم في مكبرات الصوت المستقبلية.

مع أصبح مسرعات الذكاء الاصطناعي أكثر affordability وكفاءة، من المرجح أن يصبح الفصل الفوري للمصادر أداة قياسية في الصوت الاحترافي. يتصور SSOUNDS نظاماً حيث لا يتعامل معالج PA فقط مع التقاطع والتسوية ولكن أيضاً يقوم بفصل المصادر، مما يسمح للمهندسين بتوجيه المسارات إلى مناطق مكبرات صوت مختلفة أو إنشاء تجارب صوتية غامرة.

على سبيل المثال، يمكن لنظام line array إرسال مسار الغناء إلى مجموعة مركزية مخصصة بينما يتم توزيع الآلات على مصفوفات يسار ويمين، مما يحسن الوضوح والتغطية. وبالمثل، يمكن لمكبرات الصوت الفرعية أن تستقبل فقط مسارات الباس والكيك درام، مما يقلل من الضبابية. هذا المستوى من التحكم ممكن حالياً فقط مع التسجيل متعدد المسارات، لكن الفصل بالذكاء الاصطناعي قد يجعله قابلاً للتحقيق من مزيج ستيريو.

يبحث SSOUNDS بنشاط في نماذج منخفضة زمن الاستجابة يمكن تشغيلها على منصات المضخمات الخاصة به، مع التركيز على الحفاظ على جودة الصوت والموثوقية التي يتوقعها المحترفون. بينما لسنا مستعدين بعد للإعلان عن منتج، فإن الإمكانات لأنظمة PA المدعومة بالذكاء الاصطناعي هائلة، ونحن ملتزمون بقيادة هذا المجال.