@ audio/ denoise- diclip (英语) 
脱脂:每边的铁道发现声音被平地切开,或者丢失的编码将切入到一个波段,或者软饱和的曲线被最大概率所盲倒并倒置,每一个被剪切的样品被重建了三次,AR(Janssen)和稀有(A-SPADE)超过93和186 ms,三个被重量相交叉验证的区域相混合;未被剪切的音效未变
npm install @audio/denoise-declip
import declip from '@audio/denoise-declip'
寻找一个声音被剪去的地方,重建被剪去的东西. 硬弹夹把每个样本都堆到一个水平上,就是它的铁道。 每边的铁道是声音的极端 那里,当它的0.1%的样本 超过下0.1%的样本 在10倍以下, 并且大多数坐在那里: adeclip 与铁路相接而成的 (1000 bins, 比例 10),因此它维持在任何级别(并且从来没有比16-或24-bit网格的一阶更细),每边,因此发现一道或两道不同的铁路. 一个响亮的峰顶是一个样本;一个限制器的天花板被单个样本或拱门所触动,而正弦顶部是拱门,它将下方的波段填满了大约同样密集.
失落的编码(MP3,AAC,Opus)没有留下平坦的顶部: 它将铁路铺开成一个波段,编码器围绕跑道平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平 波形自有出峰,正弦取出上,下限取出天花板,只从下入一等. 因此,如果没有平坦的铁路,每一边的波段是其最高模式的四倍,超过其下方密度的2-6%(对于同比尺的相差1、2和4倍于相差码器),其上方的样品达到其相差的3个(在模式下样品的RMS)及更远;声音在模式下再次被切出6克并被重建为一个夹子(在VoiceBank和MB18培训资料上选择了6个,平均为128克比特/斯:0.6分B大于4分,语音+0.9分,音乐−0.1分;语音上选择了5分和0.2分以内8分).
软饱和,一个阀门,晶体管或磁带舞台被驱动发热,没有留下铁道和带子:一个无记忆的曲线将峰向天花板弯曲. 在没有发现的情况下,以最大可能性将曲线装入盲点,用于当地AR Gaussian:对于一个曲线f, z = f− 1 (x)是它弯曲的声音,而概率是AR(24)'s的z / 窗口为46 ms, 相差图化,乘以f−1的Jacobian (一个Wiener系统,一个线性声音,然后是一无记忆的曲线,盲点倒;Taleb, Solé-Casals & Jutten 2001, 以输出的独立性为一倒置)。 两个外形,单位坡度为0,每侧有天花板并有膝克:c-tanh ((|x|/c)^k)^(1/k)^;tanh at k = 1;是天花板的指数式走法;和x/(1+ (|x|/c)^k)^(1/k)^,是代数取法,作为arctan's. 它读出最高峰的48个窗口,其中1/4首先进行屏蔽,并取出一个曲线来获得0.02纳特以上的样本来对抗声音,并弯曲出最响的峰,使其坡度或更小. 一个乐队,录音是空的(一个低通口,一个可解码器的),可以使一个曲线的新口琴在那里花费比它们应该花费的多,所以每个窗口的相容性都保持一个白色地层70分贝的功率. 音后倒转,z=f−1(x),即曲线保持了坡度的1/40以上(其噪声和相克出错最多升至32分贝);以上,z为未知数并至少持有有f−1:一剪接,重建为一. 限制是没有曲线的:它的增益会超过毫秒移动并保持每波的形状,而去除它是扩张者的工作,而不是修复. 声音没有铁轨,没有带和曲线会回来的比特精确:1736年的清真录音中,没有一个像现在这样,峰值正常化,或者将12分贝开入了望头限制器中,显示一个(VoiceBank+DEMAND的1328话,MUSDB18的144个混合物整体,调查的SQAM节录,四块整体,十分维基百科的描述,100 VocalSet取取出,120个吉他取出,20 Slakh混合取出),也没有从50赫到5克赫的正弦. 最大的收益是0.01纳特的样品,VocalSet的长音,其曲线留下了最响亮的峰值0.6-0.9;MUSDB18的混合物,如同它们一样和有限的,10-4. 在下文比较的调试材料上,饱和到10分贝特别提款权的饱和度得到0.07-0.23纳特的语音样本和音乐0.5-1.1纳特的音乐样本,峰顶弯曲到其坡度的1/17或更小;坡度的极限为40;在那里选择了:与10和20比多出9分贝的取色饱和混合物,其语音和两者外的曲线相同(arctan,天花板相隔一面,曲线后为他方)。 屏幕在干净的声音上花费了大约十分之一秒;一个适中,几秒.
铁路上的每一个样品随后被重建了三次,每个重建至少被保存在记录样品的出处(一个片段只会降低样品的出处). AR:每扇186毫秒的窗户,AR(256)装入其接发机下,每扇不知名的窗户一次由精确的最小平方解决(lpc是因为 arFill),重排并再次解决,直到填充移动不到1%,最多8次(Jansen, Veldhuis & Vries 1986). Sparse: A-SPADE (Kitić, Bertin & Gribonval 2015),随着解密调查的代码运行(Záviška, Rajmic, Ozerov & Rencker 2021),与所记录内容一致的DFT线路最少,每块93ms,每块186ms: 长块解决了所持音符的部分(被扣为一分贝,半秒:11.6 → 14.2 dB),短块紧接在演讲和攻击后. 三人中没有一个在任何地方取胜,所以他们都是被混合的,按区域,按照交叉验证选择的权重(Stone 1974;堆叠回归,Breiman 1996):剪接的声音再次被剪接出,其程度与第一个剪接的完整一样大;每一种方法都重建了这一点; 以十分之十的网格显示的重量,是那些其混合物位于已知最相近处的重量(第二夹所藏样品和第一夹所取重量的界限),每93毫秒读取大于±1秒。 连贯重建的组合是一致的;每次重建只有在重量不是0的情况下才能运行. 铁道上的样品会回来 30 s以上的声音会重建成相接的碎片.
declip(data, { fs: 44100 }) // each side's rail (or band, or curve) found; none: untouched
declip(data, { fs: 44100, clipLevel: 0.95 }) // a known rail, ±0.95
| 参数 | 默认 | |
|---|---|---|
clipLevel | 自动 | 栏杆, ± 此; 省略或 0: 发现每边( 栏杆、 带或曲线) |
order | 256 | AR重建的AR顺序; 512 在大约3×年的时间里 |
fs | 44100 | 样本率,Hz |
在每个核心上:重建是一连串的工作,每个小块和每个AR窗口一,每个由声音和剪辑口罩单独制作. declipAsync 将每批货物交给一个 map 以你们所享受的,为你们创造的,或许是一件一件事情 declip()一点一点. 音频 使他们在工人的线上 parallel.js; 其编号 declip() 财务报告和审定财务报表 auto():一剪取出2 s取以48克Hz取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取.
import { declipAsync, solve } from '@audio/denoise-declip'
await declipAsync(data, { fs: 48000 }, (shared, jobs) => pool.map(jobs, job => solve(shared, job))) // each job anywhere
node scripts/declip.js 剪辑演讲(Audio-lena)和音乐("Vibe Ace"),勃拉姆斯,小号循环,如 repair),每张6秒,峰值常态化并切入从原声(去剪接调查的输入特别提款权)中留下被剪接的声音1-20分贝的级别,并测量特别提款权在去剪接,dB后,去剪接(查找铁路本身) FFmpeg adeclip 在默认情况下:
| 特别提款权 | 1个dB | 3分贝 | 7分贝 | 10分贝 | 15分贝 | 20分贝 |
|---|---|---|---|---|---|---|
| 语音 | 8.5 1.1 妇女 | 10.9 • 5.0 | 24.1 − 12.1 | 31.7 - 16.9 | 38.2 • 24.0 | 42.8 - 30.5 |
| "维贝王牌" | 8.4 · 1.6 | 13.8 • 5.0 | 19.7 10.3岁 | 24.4 - 14.0 | 31.4 − 19.9 | 36.3 - 24.6 |
| 婆罗门 | 7.2 0.6 (中文(简体) ) | 13.4 3.9 妇女 | 19.3 - 10.2 | 23.1 - 14.4 | 29.2 • 19.8 | 35.9 - 23.8 |
| 小号 | 6.6 · 1.3 | 16.7 · 4.1 | 31.4 10.4岁 | 42.8 - 14.8 | 46.2 - 21.4 | 59.7 - 25.0 |
0.3.0 (AR重建与93 ms slush 1), 1–20 dB: speech 8.4 / 10.9 / 24.2 / 31.9 / 38.3 / 42.6 "Vibe Ace" 6.9 / 13.1 / 19.1 / 22.7 / 31.4 / 36.2,勃拉姆斯 6.9 12.7 / 18.9 / 22.8 / 29.2 / 35.8,小号 6.1 / 16.8 / 31.4 / 44.7 / 46.5 / 60.3: 在音乐上,长块得到1.7 dB,小号以 10 dB 损失1.9. 在调查本身的试验中,它的十个SQAM节录(索罗乐器和合唱团,44.1千赫)被它剪接了下来 clip_sdr.m,意味着在剪接的样本上的SDR,dB,和PEAQ的ODG(卡巴尔在调查中的执行情况,移植到 音频是因为 bench/rx/peaq.py:调查在0.0015范围内的剪接数据等级,除公布主要方法外(守则和结果: 解密2020 代码; PEAQ 中替换了可靠的样本,因为解开后保留了这些样本:
| 特别提款权 | 1个dB | 3分贝 | 5分贝 | 7分贝 | 10分贝 | 15分贝 | 20分贝 | 表示 SDR | 表示ODG( O) |
|---|---|---|---|---|---|---|---|---|---|
| 解开 | 9.7 (中文(简体) ) | 14.0 (韩语) | 15.6 联合国 | 16.7 联合国 | 18.5 (中文(简体) ) | 20.5 (中文(简体) ) | 22.1 国家 | 16.7 联合国 | - 1.84岁 |
| 减字0.3.0 | 第8.3条 | 13.2 (中文(简体) ) | 14.8 联合国 | 15.8 (中文(简体) ) | 17.6 联合国 | 19.7 (中文(简体) ) | 21.9 国家 | 第15.9条 | -1.95岁 |
| 社会垃圾,PEW(Siedenburg, Kowalski & Dörfler,2014年) | 12.2 请检查date=中的日期值 (帮助) | 15.0 (韩语) | 16.6 联合国 | 17.7 联合国 | 19.0 (韩语) | 21.2 国家 | 22.2 (中文(简体) ) | 17.7 联合国 | - 1.60岁 |
| A-SPADE (英语) | 11.9 联合国 | 13.9 联合国 | 第15.1条 | 16.0 (中文(简体) ) | 17.3 联合国 | 19.4 联合国 | 20.3 联合国 | 16.3 联合国 | −2.40 (中文(简体) ) |
| 萨斯帕德 | 11.4 联合国 | 13.7 (中文(简体) ) | 15.0 (韩语) | 15.6 联合国 | 17.1 国家 | 19.3 联合国 | 19.9 国家 | 16.0 (中文(简体) ) | -2.59 (韩语) |
| l1,抛物线重量 | 9.9 联合国 | 13.0 (韩语) | 14.8 联合国 | 16.0 (中文(简体) ) | 17.4 联合国 | 19.6 国家 | 21.0 (韩语) | 16.0 (中文(简体) ) | −1.66 (韩语) |
| NMF (Bilen, Ozerov & Pérez 2018) | 5.1 联合国 | 12.2 请检查date=中的日期值 (帮助) | 14.3 联合国 | 16.2 国家 | 18.0 国家 | 20.6 (中文(简体) ) | 22.0 | 15.5 (中文(简体) ) | -1.46 (韩语) |
| 扬森( AR) | -0.9级 | -1.3 (中文(简体) ) | 0.6 (中文(简体) ) | 3.5 (中文(简体) ) | 7.9 (中文(简体) ) | 17.0 (中文(简体) ) | 19.6 国家 | 6.6 国家 | −2.28 (韩语) |
| iZotope RX 12 De-clip,调制(下) | 0.8 (简体中文) | 5.4 (中文(简体) ) | 8.2 联合国 | 9.7 (中文(简体) ) | 11.5 国家 | 14.0 (韩语) | 15.8 (中文(简体) ) | 9.4 国家 | -2.26 (中文(简体) ) |
在7分(0.3分:5分)中的平均分(SDR 第2分)后为1.0分(dB分);从每分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分;从3分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分(分)分)分(分)分(分)分(分)分分)分(分)分(分)分(分)分(分)分(分)分(分)分)分(分(分)分)分(分)分(分)分(分)分(分)分(分)分)分(分(分)分)分(分)分(分)分(分)分(分)分( 在ODG 第4位,NMF后,以0.18–0.38分,以3–7分贝以0.7分贝分取出社会垃圾和11分. 混合体误判出一些被扣音:被剪到15分贝的单簧管回回了17.1分贝,它的186分s稀疏的重建单是22.1分(第二分贝的分数是第一分贝的跑道内一个填充的过度射出,只有它的分贝被那里知道). 在VoiceBank演讲(下方)中,每个级别0.3.0分贝内.
与 iZotope RX 12 高级脱脂(由 Pedalboard 主持 VST3,输出与输入一致; 音频是因为 bench/rx/declip.mjs, 2026-10),通过 audio是因为 declip(). 测试:十种SQAM节选;"其他音乐",四种MUSDB18测试混合物和"Vibe Ace",勃拉姆斯,小号和"糖花仙子"(每作6 s);演讲,16个VoiceBank清洁测试语句. 每个剪接在平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平. RX在其默认值(门槛为-1.02 dBFS,质量为低,后限为后限),并按条件和种类调用其他材料(4个MUSDB18训练混合物,10个声波银行训练词汇):每边峰值的不对称阈值加上一个相差(−0.07至−6 dB)×质量,后限为后限;其最佳值为:-0.07 dB在平地铁路上(高;某些语音条件低或中),高为-2 dB在MP3上,-2(音乐)和-4(声波)在软上,-2和-6在安上。 平均值 QQSDR, dB, RX 默认 ^ RX 调制解调 :
| 条件 | 卡塔尔 | 其他音乐 | 语音 |
|---|---|---|---|
| 1个dB | − 0.8 0.8 − 9.7 | − 0.8 − 0.6 − 6.2 | -0.8 − 0.4 − 5.8 |
| 3分贝 | - 1.4 5.4 14.0 | - 1.5 - 10.4 | - 1.5 - 2.3 - 8.7 |
| 5分贝 | - 1.9 - 8.2 - 15.6 | - 2.2; 3.5 12.0 妇女 | - 2.1 4.7 10.0) |
| 7分贝 | - 2.4 - 9.7 - 16.7 | − 2.6 4.8 - 12.8 | - 2.6 - 7.0 - 10.5 |
| 10分贝 | -3.2 - 11.5 - 18.5 | -3.2 6.3 - 14.5 | - 3.5 8.2 10.1 - 10.1 |
| 15分贝 | −4.3 − 14.0 − 20.5 | - 3.9 - 8.3 - 14.5 | -4.8 - 10.7 - 12.2 |
| 20分贝 | - 5.1 - 15.8 - 22.1 | -4.4 − 9.4 − 15.6 | - 5.9 - 11.4 - 13.0 |
| 不对称 | - 1.4 − 12.0 − 18.4 | -0.9 − 6.4 − 14.2 | -2.1 − 10.5 12.0 |
| 下来 | 0.0 · 9.7 · 16.7 | 0.0 4.8 · 12.8 | 0.0 6.8 10.5 (单位:千美元) |
| MP3 主题 | -2.0 − 7.1 − 11.7 | - 2.2; 3.5; 9.2 | -2.2 5.2; 9.5 |
| 软 | -0.8 0.6 40.0(0.4.0:0.0;其水平为:1.6) | -0.7 0.2 − 39.9(0.0;2.0) | -1.0 2.2 2.0 (0.0; 5.1) |
| 亚安 | - 0.0 0.2 − 16.7 | −0.0 − 17.0 | − 0.0 1.1 17.3 |
概念上相同的顺序:PEAQ ODG在音乐上,PESQ(宽带,16kHz)在语音上,输入-RX调制-分音:7 dB,SQAM-3.75--2.44--1.74,其他音乐-3.65-1.85,语音:2.10-3.42-3.85;20 dB-2.35-0.39-0.18,−1.29-0.23-0.12-3.69-4.56;MP3-3.49-3.27---2.78;3.60-3.21-2.77-2.10-3.05-7.74;软-2.86-2.84-0.11-2.51-2.51-2.40-0.16-3.12-3.41-60(0.4.40,级别为:3.872.52-4.02-3.85-4.82-4.82;3.85-4.82-4.82-0.52-4.02-0.52-0.52; RX在其默认情况下将特别提款权从任何地方取出:它的后限制器将恢复的峰值控制在0 dBFS,它的阈值在轨线上没有发现- 1 dBFS (下). 在未剪接的录音上,峰值正常化为0 dBFS,通过一个望头限制器12 dB在-0.2 dBFS天花板上,切换不改变样本;RX修改了它们(SDR到其输入中位数:默认为59-68 dB,受限为43-49;调制为77-94,58-74). 在软饱和度0.4.0上没有发现有轨电车,然后还原了它;鉴于RX的调制阈值, declip({ clipLevel }) 1.6-5.1分贝。 0.5.0分贝适合曲线本身(每道34取出:0.07至2.2分贝在tanh下取出样品;0.05至1.3分贝在arctan下取出;最高峰弯曲到1/24分贝和1/9分贝在坡地上取出):在tanh下取出其曲线之一,20至40分贝;在arctan下取出两者外取出,16.7至17.3分贝;RX调出0.0至2.2分贝在其中取出。 其他条件'340被剪取取出各有一条铁路或带子,发现时为0.4.0找到它们,所以0.5.0取取出那里0.4.0的路径而其数字为0.4.0'(asym,又被制成:对样本相同).
在两道外的曲线下 噪音在曲线后加了一条真正的链, declip 单独(node bench/rx/declip.mjs curvesb. 最大负数为:0.7;22.8;23.0;23. 1;偏差为:tanh;tanh;tanh;tanh;x+0.3;tanh;13.0;12.6;14.8;tanh至20dB;50.4;63.4;26.1;至30dB;35.6;34.7;30.0;30.0(未留下多少);tanh至10dB;然后是60dB;在全比例下,22.4;22.1;23.0. 他把装有天花板的天花板向外画出,一个偏斜的曲线用一个不偏倚的曲线来搭配:仍然比输入的要好,比它完全适合的曲线短.
铁路在20个dB级的剪接上不对称地发现(下面为10个dB级),只有一侧,然后折回为0.4,再被分解为16个比特平原或分层,在16位转换器上驱动了2.5个比特(铁路为32767和−32768):13个比特或以上的特别提款权;通过MP3和AAC获得128克比特/秒,波段:语音18.0 → 25.2和19.9 → 31.6, " Vibe Ace"18.3 → 25.1和19.8 → 28.7,勃拉姆斯18.2 → 24.8和19.6 → 28.0,小号18.1 → 24.9和19.3 → 26.9个比特(0.0:未受影响)。 未经剪接的材料,像它一样,峰值正常,在16比特,并通过一个12分贝的望头限制器,超过天花板:样本没有改变;在VoiceBank+DEMAND的任何824个干净测试语句中也没有改变. 第三次重建成本时间:1.2–2.1×0.3.0相并(0.3.0:在6个级别上平均音量约为7秒/秒,其中大部分为1–3分贝),AR重建早期停止回放一些(被剪到3分贝:0.8×).
使用时 : 数字剪接:一个转换器被过度驱动,一个混音被反弹过热,一个插件的硬剪接;在任何一级,无论是在两侧还是两侧;同样经过了MP3,AAC或Opus后;软饱和,一个阀门,晶体管或磁带相机驱动出热,由自己发现.
不为: 限制器或压缩器的活性(一个能移动的增益,没有曲线:左起;与内存相饱和(磁带的歇斯底里,一个其偏差会随水平而变化的相位),其中适合全取的曲线仅相近;剪接自后被重印或被大量过滤.
部分 @ audio/ denoise (英语) ——出家伞. 此 README 由伞形文件生成 .
麻省理工学院 音频