فصل المصادر الصوتية في الزمن الحقيقي بالذكاء الاصطناعي: تقنية الستيمات

في جوهره، يستخدم فصل المصادر الصوتية في الزمن الحقيقي بالذكاء الاصطناعي شبكات عصبية عميقة مدربة على مجموعات بيانات ضخمة من الصوت المختلط والستيمات المعزولة. تحلل نماذج مثل Demucs أو Spleeter أو الخوارزميات الخاصة أنماط التردد والطور والزمن للمزيج الوارد للتنبؤ بالمكونات التي تنتمي إلى كل مصدر. على عكس التصفية التقليدية التي تعتمد على نطاقات تردد ثابتة، تتعلم نماذج الذكاء الاصطناعي التوقيعات الفريدة للآلات والأصوات، مما يمكنها من فصل المصادر التي تتداخل في التردد.

في التطبيقات الحية، يتم تخزين دفق الصوت في إطارات قصيرة (عادة 10-50 مللي ثانية)، ومعالجتها بواسطة الشبكة العصبية، وإخراجها كستيمات منفصلة. التحدي الرئيسي هو تحقيق ذلك بزمن استجابة منخفض بما يكفي لاستخدام المراقبة (IEM) أو البث، عادة أقل من 10 مللي ثانية للمراقبة. وحدات معالجة الرسومات الحديثة ومسرعات الذكاء الاصطناعي المخصصة (مثل NVIDIA TensorRT و Apple Neural Engine) تجعل هذا ممكنًا، على الرغم من أن الحلول القائمة على وحدة المعالجة المركزية لا تزال تعاني من زمن استجابة أعلى.

لمهندسي الصوت الحي، يفتح فصل الستيمات في الزمن الحقيقي إمكانيات إبداعية جديدة. تخيل عزل الغناء الرئيسي من مسار داعم لإضافة صدى أو تأخير دون التأثير على الفرقة، أو استخراج عزف الجيتار المنفرد لإرساله إلى سلسلة تأثيرات منفصلة. يمكن لمنسقي الأغاني والموسيقيين الإلكترونيين إعادة مزج العروض الحية عن طريق كتم أو عزل الستيمات أثناء التنقل، مما يخلق مزيجًا فريدًا أو نسخًا ممتدة.

في المهرجانات والحفلات الموسيقية، يمكن استخدام هذه التقنية أيضًا لتوليد تغذية منفصلة للبث أو البث المباشر. على سبيل المثال، قد يحتاج خلاط البث إلى ستيم صوتي نظيف للتلفزيون بينما يظل مزيج المنزل دون تغيير. ترى SSOUNDS في هذا قيمة مضافة محتملة لنظام DSP الخاص بها، مما يسمح للمهندسين بتوجيه الستيمات المنفصلة إلى مخرجات مختلفة دون أجهزة إضافية.

اعتبار آخر هو جودة القطع الأثرية: إذا أدى الفصل إلى خلل مسموع أو إزاحة طور أو 'تسرب' بين الستيمات، فقد يفسد مزيج المراقبة. تحقق النماذج الحالية الأحدث فصلًا شبه شفاف للمواد المسجلة جيدًا، لكن المزيجات الصعبة (مثل التشويه الثقيل أو الأصوات المتداخلة) لا تزال تنتج قطعًا أثرية. يجب على المهندسين موازنة فائدة المرونة مقابل التدهور المحتمل.

على الرغم من التقدم السريع، فإن فصل المصادر الصوتية في الزمن الحقيقي بالذكاء الاصطناعي ليس بعد حلاً جاهزًا لكل سيناريو حي. الحد الأساسي هو زمن الاستجابة: حتى أسرع النماذج على وحدات معالجة الرسومات عالية الجودة تقدم تأخيرًا من 5 إلى 20 مللي ثانية، وهو ما قد يكون مشكلة للمراقبة أو البث الحساس للوقت. بالنسبة لاستخدام FOH (واجهة المنزل) حيث يكون زمن الاستجابة أقل أهمية، يكون هذا مقبولاً، ولكن بالنسبة لأجهزة IEM، كل مللي ثانية مهمة.

القطع الأثرية هي مصدر قلق آخر. يمكن لنماذج الذكاء الاصطناعي إنتاج 'ضوضاء موسيقية'، وهي أصوات خافتة وغير طبيعية تشبه المصدر الأصلي ولكنها مختلفة قليلاً. في المزيج الحي، يمكن أن تتراكم هذه القطع الأثرية عبر ستيمات متعددة، مما يقلل من جودة الصوت الإجمالية. توصي SSOUNDS باستخدام فصل الستيمات بشكل أساسي للأغراض المساعدة (مثل تغذية البث والتسجيل) بدلاً من استخدامه كمصدر وحيد لمزيج المراقبة الحرج حتى تنضج التقنية.

قوة المعالجة هي أيضًا عائق. يتطلب تشغيل شبكة عصبية في الوقت الفعلي وحدة معالجة رسومات مخصصة أو مسرعًا، مما يضيف تكلفة وتعقيدًا لنظام الصوت. تقدم الحلول المستندة إلى السحابة زمن استجابة كبيرًا جدًا، لذلك يجب أن تكون جميع المعالجة محلية. تستكشف SSOUNDS التكامل مع شرائح DSP من الجيل التالي التي تتضمن نوى استدلال الذكاء الاصطناعي، مما قد يجعل فصل الستيمات ميزة قياسية في مكبرات الصوت ووحدات التحكم في السماعات المستقبلية.

مع زيادة توفر مسرعات الذكاء الاصطناعي وكفاءتها، من المرجح أن يصبح فصل الستيمات في الزمن الحقيقي أداة قياسية في الصوت الاحترافي. تتخيل SSOUNDS نظامًا لا يعالج فيه معالج PA التقاطع والمعادلة فحسب، بل يقوم أيضًا بفصل المصادر، مما يسمح للمهندسين بتوجيه الستيمات إلى مناطق مكبرات صوت مختلفة أو إنشاء تجارب صوتية غامرة.

على سبيل المثال، يمكن لنظام صفيف خطي إرسال ستيم الغناء إلى مجموعة مركزية مخصصة بينما يتم توجيه الآلات إلى صفائف يسار ويمين، مما يحسن الوضوح والتغطية. وبالمثل، يمكن أن تتلقى مكبرات الصوت الفرعية ستيمات الباص وطبل الركلة فقط، مما يقلل من الضبابية. هذا المستوى من التحكم ممكن حاليًا فقط مع التسجيل متعدد المسارات، لكن فصل الذكاء الاصطناعي يمكن أن يجعله قابلاً للتحقيق من مزيج استريو.

تبحث SSOUNDS بنشاط في نماذج منخفضة زمن الاستجابة يمكن تشغيلها على منصات مكبرات الصوت الخاصة بها، مع التركيز على الحفاظ على جودة الصوت والموثوقية التي يتوقعها المحترفون. بينما لسنا مستعدين بعد للإعلان عن منتج، فإن إمكانات أنظمة PA المدعومة بالذكاء الاصطناعي هائلة، ونحن ملتزمون بقيادة المسيرة.