فصل المسارات بالذكاء الاصطناعي بجودة عالية: استخراج مسارات نقية باستخدام SAM Audio وBS-RoFormer
يعتمد فصل المسارات بالذكاء الاصطناعي بجودة عالية على ثلاثة أمور: النموذج المناسب للمهمة، ومعالجة التسجيل كاملا بالستيريو، وترميم المصدر عندما تظهر عليه أضرار الضغط. استخدموا نموذجا متخصصا لفصل مسارات محددة، مثل BS-RoFormer، للغناء والطبول والبيس، وSAM Audio من Meta لسائر الآلات. تحصلون بذلك على مسارات أنقى مما تنتجه الأدوات القديمة، مثل Spleeter أو الإصدارات الأولى من Demucs.
يواجه المنتجون ومنسقو الأغاني وصناع المحتوى المشكلة نفسها. قد تحتاجون إلى غناء منفرد نقي لريميكس، أو تسجيل بلا طبول للتدريب، أو جملة غيتار معزولة لأخذ عينة منها. تترك أدوات الفصل القديمة غناء مكتوما وآثار طبول خافتة.
يوضح هذا الدليل ما هي المسارات المفصولة، ولماذا تنتج معظم أدوات الفصل تشوهات صوتية، وكيف تحصلون على مسارات تصلح للعمل الإنتاجي الفعلي، بما فيها مسارات أغاني Suno.
ما هي المسارات المفصولة؟ فهم أساسيات فصل الصوت
المسارات المفصولة هي مسارات صوتية منفردة تستخرج من أغنية ممزوجة. بدلا من ملف ستيريو واحد يحتوي على كل شيء، تحصلون على ملفات مستقلة للغناء والطبول والبيس والبيانو وسائر الآلات. يحتوي كل مسار على ذلك العنصر وحده.
هناك مسارات جافة (بلا مؤثرات) ومسارات رطبة (تطبق عليها مؤثرات مثل الصدى والضغط الديناميكي). المسارات الجافة تشبه المكونات قبل الطهي، والرطبة تشبه الطبق الجاهز. تستخرج النماذج في هذا المقال المسارات الرطبة فقط، ولذلك يحتفظ كل مسار بالمؤثرات التي كانت عليه في المزيج.
أهمية المسارات المفصولة في الإنتاج الموسيقي الحديث
تحول المسارات المفصولة مزيج الستيريو الثابت إلى أجزاء يمكن التعامل معها بمرونة. عندما تتوفر لديكم مسارات عالية الجودة، تستطيعون:
- إنشاء تسجيلات كاريوكي بإزالة الغناء
- إنتاج مزج بين أغنيات باستخدام غناء منفرد معزول بنقاء
- إنشاء ريمكس حول الغناء الأصلي، وهي الفكرة وراء ميزة الريمكس بالذكاء الاصطناعي التي تخطط لها Spotify
- إعادة توازن المزيج بضبط مستويات الآلات منفردة
- تعلم الأغاني بسماع أجزاء محددة وحدها
- أخذ عينات من عناصر دون تسرب أصوات الآلات الأخرى
- إصلاح الترددات المسببة للمشكلات في المسارات المعزولة
قبل الذكاء الاصطناعي، كان فصل المسارات يعتمد على ترشيح EQ وإلغاء الطور، مما ينتج تشوهات ولا يعزل الجزء كاملا. حسنت نماذج الذكاء الاصطناعي ذلك بتعلم التعرف على الطابع الصوتي وبنية التوافقيات بدلا من الاكتفاء بترشيح الترددات.
مشكلة معظم خدمات فصل المسارات
تختلف أدوات فصل المسارات بالذكاء الاصطناعي في الجودة. تعد خدمات كثيرة «بجودة عالية» لكنها تختصر العمل في الأساسيات:
بيئات التجربة وأدوات الإنتاج
تعالج بيئة تجربة SAM Audio من Meta مقاطع أحادية القناة بطول 30 ثانية فقط. يكفي ذلك للعرض التجريبي، لكنه لا يكفي عندما تحتاجون إلى أغنية كاملة بالستيريو. راجعوا الفرق بين Neural Analog وبيئة تجربة SAM Audio.
حدود استخدام نموذج واحد
تستخدم خدمات كثيرة نموذجا واحدا، مما يفرض تنازلات. تنجح نماذج المسارات المحددة، مثل Demucs أو BS-RoFormer، في عمليات الفصل المعدة مسبقا (الغناء والطبول والبيس والأصوات الأخرى)، لكنها لا تستخرج آلات تختارونها بأنفسكم، مثل الساكسفون أو آلة التركيب الصوتي. وتتيح نماذج أخرى الاستخراج المخصص، لكنها لا تفصل المسارات المعتادة بنقاء الأدوات المتخصصة نفسه.
غياب مسار معالجة لترميم الصوت
يكشف فصل المصادر المضغوطة، مثل MP3 أو التسجيلات المأخوذة من البث، التشوهات الموجودة فيها أصلا. غالبا ما تحذف ملفات MP3 ذات معدل البت المنخفض كل ما يتجاوز نحو 16 kHz وتضيف ضوضاء تكميم تطمس بدايات الأصوات العابرة. وأداة الفصل التي تتجاهل ذلك لا تفعل سوى عزل الصوت التالف بوضوح أكبر.
كيف يطور SAM Audio فصل المسارات
SAM Audio من Meta نموذج عام لفصل المصادر، وليس أداة متخصصة لإزالة الغناء. تصفه Meta بأنه نموذج واحد يقبل أوصافا نصية وبصرية وتحديدا لفترات زمنية، ويعتمد على Transformer لمطابقة التدفق، وتدرب على مخاليط صوتية واسعة النطاق تشمل الكلام والموسيقى والأصوات العامة.
اسمعوا الفرق: SAM Audio والأدوات الشائعة في المجال
فيما يلي مقارنة عملية. أخذنا مزيجا كثيفا من الموسيقى الكلاسيكية، وعزلنا مسار البيانو باستخدام SAM Audio (Neural Analog) وأداة منافسة بارزة.
مثال: مقارنة استخراج البيانو
عزل آلة واحدة من مزيج ستيريو كثيف باستخدام الوصف 'piano'.
التقنية التي يقوم عليها SAM Audio
يستخدم SAM Audio Transformer لمطابقة التدفق للتنبؤ بالمصدر المستهدف من تسجيل ممزوج. في الاستوديو في Neural Analog، تستطيعون وصف المصدر بالنص وتحديد الفترة الزمنية التي يظهر فيها. الأوصاف البصرية جزء من النموذج البحثي، وليست عنصرا للتحكم في واجهة الصوت الحالية في الاستوديو. وبالنسبة إلى المنتجين، يكمن الفرق في التحكم: يستطيع النموذج استهداف أصوات خارج فئات الغناء والطبول والبيس والأصوات الأخرى المحددة مسبقا.
المشفر الصوتي العصبي: لماذا تحدد بنية النموذج الجودة
تقوم كل أداة لفصل المسارات بالذكاء الاصطناعي على مشفر صوتي عصبي. يحول هذا المشفر شكل الموجة الخام إلى تمثيل موجز للطابع الصوتي وطبقة النغمة والإيقاع والموقع في الستيريو. فكروا فيه بوصفه «أذني» النموذج: تعتمد قدرته على تمييز طبل السنير من الغناء على جودة تدريب المشفر.
استخدمت نماذج الفصل المبكرة، مثل Spleeter، مشفرات CNN تتعامل مع المخططات الطيفية كصور ثنائية الأبعاد. كانت قادرة على الفصل الأساسي للغناء والطبول، لكنها واجهت صعوبة في تفاصيل الطابع الصوتي الدقيقة والاتساق عبر الزمن. يعالج Demucs v4 (Hybrid Transformer Demucs) كلا من شكل الموجة والمخطط الطيفي، مما يساعده على الحفاظ على بدايات الأصوات العابرة والطور للحصول على صوت أكثر طبيعية. يقسم BS-RoFormer المخطط الطيفي إلى نطاقات ترددية ويضع نماذج لها باستخدام طبقات Transformer. تبلغ ورقته البحثية عن متوسط SDR قدره 9.8 dB على معيار MUSDB18-HQ، وهو أعلى من Demucs v4. وتغطي مقارنتنا بين Spleeter وDemucs النماذج الأقدم بالتفصيل.
يتقدم SAM Audio أكثر باستخدام Perception Encoder Audiovisual (PE-AV) الذي تدرب على أكثر من 100 مليون مقطع فيديو. ولأنه تعلم من الفيديو، فإنه يربط الأصوات بالآلات والأفعال التي تنتجها. يفيد ذلك عند استخدام وصف مثل «guitar»، خصوصا عندما يتشارك الغيتار نطاقا تردديا مع آلات أخرى.
بنية SAM Audio البحثية
dog barking
الشكل الأصلي: بنية SAM Audio البحثية.
تؤثر جودة المشفر مباشرة في جودة المسارات بثلاث طرق:
- دقة تمييز الطابع الصوتي: تفصل المشفرات الأفضل التوافقيات عن الضوضاء، فتحافظ الآلات على طابعها
- الاتساق الزمني: تحافظ المشفرات الأقوى على اتساق الفصل بمرور الوقت، وتتجنب التشوهات التي يظهر فيها الصوت ويختفي بسرعة، الشائعة في الأدوات الأرخص
- التفاصيل: تلتقط المشفرات الأكبر صرير الأوتار والأنفاس وأجواء الغرفة
عندما تقارنون خدمات فصل المسارات، اسألوا عن النموذج الذي تستخدمه، لا تكتفوا بما يقوله التسويق. لا تستطيع المعالجة اللاحقة تعويض حدود المشفر القديم بالكامل.
كيف يستخدم Neural Analog كلا من SAM Audio وBS-RoFormer
تحول أداة فصل المسارات بالذكاء الاصطناعي في Neural Analog نموذجي SAM Audio وBS-RoFormer إلى أداة عملية للموسيقيين.
بخلاف بيئة التجربة الأحادية القناة ذات 30 ثانية، يعالج Neural Analog التسجيلات كاملة بالستيريو الكامل، لتحافظ المسارات على عرض المزيج الأصلي وعمقه.
تستطيعون الاختيار بين SAM Audio والإعدادات المسبقة المجربة لفصل مسارات محددة:
- SAM Audio لاستخراج آلات تختارونها، مثل الساكسفون وآلات التركيب الصوتي والآلات الوترية
- الإعدادات المسبقة لفصل أسرع وأكثر موثوقية: 4 مسارات (الغناء والطبول والبيس والأصوات الأخرى)، أو 6 مسارات (بإضافة الغيتار والبيانو). تستخدم نماذج BS-RoFormer، وهي جيل أحدث من أدوات فصل المسارات المحددة مقارنة بـDemucs
مع SAM Audio عبر الإنترنت، تستطيعون كتابة وصف وتحديد فترات في شكل الموجة عندما يظهر الصوت المستهدف في جزء من التسجيل فقط. لديكم أسئلة أو نتائج تريدون مشاركتها؟ انضموا إلى Discord الخاص بـNeural Analog.
مسار معالجة مدمج لترميم الصوت
تستطيعون تمرير المسارات المستخرجة عبر ترميم الصوت لتوسيع نطاقها الترددي وتنظيف بعض التشوهات. استمعوا إلى النتيجة: لا يصلح الترميم كل خطأ في الفصل.
مسارات Suno أفضل: لماذا تحتاج الموسيقى المولدة بالذكاء الاصطناعي إلى معالجة خاصة
غالبا ما تنتج Suno وغيرها من مولدات الموسيقى بالذكاء الاصطناعي، ومنها Udio وFlowMusic / Producer.ai، ملفات مضغوطة أو محدودة النطاق الترددي. ويضع ذلك حدا للجودة حتى قبل بدء الفصل. لفصل أغنية Suno مباشرة من رابطها، استخدموا أداة فصل مسارات Suno. لم يعد Udio يوفر تنزيلات أو مسارات، لذلك احفظوا أغاني Udio كملفات صوتية أولا.
مشكلة الضغط المزدوج
يفصل استخدام الأدوات الأساسية مع ملف Suno بصيغة MP3 صوتا متضررا بالفعل. وترث المسارات:
- فقدانا شديدا للترددات العالية، وغالبا لا يوجد شيء فوق 15 kHz
- ضوضاء تكميم مدمجة في الإشارة
- انخفاض عرض الستيريو وعمقه
- تشوهات «رنين» رقمية
كيف يحسن الترميم الموسيقى المولدة بالذكاء الاصطناعي
تستهدف العملية هذه الحدود خطوة بخطوة:
- الاستخراج: يفصل SAM Audio أو نموذج إعداد مسبق المسارات
- إزالة التشوهات: يمكن للترميم العصبي تقليل ضوضاء ضغط MP3
- إعادة بناء الترددات: يتنبأ النموذج بالمحتوى التوافقي ويعيد توليده حتى 20 kHz
- معالجة الستيريو: الحفاظ على إشارات الستيريو أثناء ترميم التفاصيل، ثم مقارنة العرض والطور بالمصدر عن طريق الاستماع
تبدو مسارات Suno الناتجة أقرب إلى تسجيلات متعددة المسارات مسجلة باحتراف.
خطوة بخطوة: الحصول على مسارات عالية الجودة باستخدام Neural Analog
اتبعوا هذه الخطوات للحصول على نتائج متسقة. يشرح دليل فصل المسارات في الاستوديو كل عنصر تحكم بمزيد من التفصيل.
الخطوة 1: رفع الصوت
اسحبوا الملف وأفلتوه، أو الصقوا رابطا عاما من مصدر مدعوم مثل Suno أو FlowMusic أو TopMediaAI أو Treblo أو Mureka أو YouTube. تشمل صيغ الرفع المدعومة MP3 وWAV وFLAC وM4A وOGG. تعتمد المدة القصوى على خطتكم والنموذج المختار.
الخطوة 2: اختيار استراتيجية الفصل
لنتائج يمكن توقعها، افتحوا الفصل واختاروا 4 مسارات للغناء والطبول والبيس والأصوات الأخرى، أو 6 مسارات لإضافة الغيتار والبيانو. تحققوا من المُدخل المحدد. تشغل هذه الإعدادات نماذج متخصصة لمسارات محددة وتوفر فصلا متسقا.
لاستخراج آلة تختارونها، اختاروا وصف نصي مخصص لاستخدام SAM Audio. تحققوا من النموذج المحدد، ثم صفوا الصوت. كونوا دقيقين: electric guitar solo with distortion أفضل من guitar. يعيد SAM Audio مسارين يكمل أحدهما الآخر: الصوت المطابق للوصف، وبقية التسجيل.
الخطوة 3: إعداد المعالجة
معالجة الستيريو في SAM Audio: يعالج الوضع الافتراضي ستيريو (Mid/Sides) الإشارة الوسطية (المركز) والجانبية كل واحدة على حدة، ثم يعيد جمعهما. اختاروا ستيريو (L/R) لمعالجة القناتين اليسرى واليمنى منفصلتين، أو أحادي لأخذ متوسطهما في قناة واحدة. تنطبق هذه العناصر على SAM Audio؛ وتستخدم إعدادات المسارات المحددة نماذج الستيريو الخاصة بها. راجعوا متى تستخدمون معالجة Mid/Side.
الخطوة 4: المعالجة والتنزيل
أبقوا تحسين المسارات معطلا إذا أردتم الفصل وحده. راجعوا تقدير دقائق المعالجة التي ستخصم من رصيدكم، ثم انقروا على بدء الاستخراج وانتظروا. تنتهي التسجيلات القصيرة غالبا في دقائق قليلة، أما التسجيلات الأطول والنماذج الأثقل فتستغرق وقتا أطول. راجعوا كل مسار في الاستوديو، ثم افتحوا تصدير واختاروا مسارات فردية للحصول على ملفات منفصلة، أو المسارات المدمجة للحصول على المزيج الحالي.
الخطوة 5: ترميم المسارات المستخرجة
إذا كان المسار يفتقد ترددات عالية أو يحتوي على تلف ضغط مسموع، اختاروه بوصفه المُدخل ضمن تحسين. اختاروا ترميم موسيقى MP3 للآلات أو ترميم الغناء بصيغة MP3 للغناء، وانقروا على بدء تشغيل النموذج. قارنوا النتيجة قبل التصدير. يشرح دليل ترميم MP3 إلى WAV خيارات النماذج. ولمعالجة المسارات المؤهلة تلقائيا بعد الاستخراج بدلا من ذلك، فعلوا تحسين المسارات واختاروا نموذج الترميم، وراجعوا تقدير دقائق المعالجة الإضافية قبل بدء الاستخراج. المسارات النقية لا تحتاج إلى ترميم.
اعتبارات تقنية لسير عمل الإنتاج
عندما تضيفون استخراج المسارات إلى سير عمل إنتاجكم، تحققوا من هذه العوامل:
جودة الملف المصدر
يمكن للترميم إعادة بناء الملفات المضغوطة، لكن المصادر غير الفاقدة مثل WAV وFLAC تظل توفر فصلا أدق. يتوفر للمشفر مزيد من المعلومات الأصلية ليعمل بها، فتقل الحاجة إلى إعادة البناء.
إذا كانت آلتكم تظهر لبضع ثوان فقط في ملف طويل، فحددوا تلك الفترة في الاستوديو أو اقتطعوا الملف قبل رفعه. يحصل النموذج على هدف أوضح وتصبح المعالجة أسرع.
اتساق طور المسارات
ينبغي أن يعيد جمع مسارات الأغنية نفسها إنتاج المزيج الأصلي تقريبا. إذا انحرف طورها، يؤدي جمعها إلى ترشيح مشطي أو إلغاء. صممت نماذج Neural Analog للحفاظ على علاقات الطور، وهو أمر مهم لماسترينغ المسارات والريميكس. تحققوا من ذلك بجمع المسارات في برنامج DAW ومقارنتها بالأصل.
سماع التشوهات
انتبهوا إلى تشوهات الفصل الشائعة:
- التسرب: ظهور أصوات الآلات بخفوت في المسار الخطأ
- التقطع السريع: ظهور الصوت واختفاؤه بسرعة أثناء الاستخراج
- الطمس: فقدان حدة بدايات الأصوات العابرة
- فقدان الترددات العالية: غياب الإحساس بالهواء والتفاصيل
يصلح الترميم كثيرا من هذه المشكلات، لكن المصدر النقي يقللها في مرحلة الاستخراج. بعد ذلك، استخدموا DAW للاحتفاظ فقط بأجزاء كل مسار التي تبدو سليمة.
متى تستخدمون كل نوع من النماذج
استخدموا الإعدادات المسبقة للمسارات المحددة (BS-RoFormer) عندما:
- تحتاجون إلى عزل معتاد للغناء أو الطبول أو البيس
- تكون سرعة المعالجة ضرورية
- يكون المزيج المصدر نقيا نسبيا
- تريدون نتائج متوقعة ومختبرة
استخدموا SAM Audio (للفصل المخصص) عندما:
- لا تغطي الإعدادات القياسية الآلة المطلوبة
- يكون المزيج كثيفا ومتداخلا
- تحتاجون إلى فصل أصوات متشابهة، مثل الغيتار الرئيسي وغيتار الإيقاع
- يحتوي المصدر على آلات غير معتادة أو أصوات مركبة
استخدموا الترميم عند الحاجة:
- يتضمن MP3 أو مصدر بث تلف ضغط مسموعا
- يكون معدل بت الملف الأصلي أقل من 320 kbps وتغيب عنه تفاصيل الترددات العالية
- تتضمن الموسيقى المولدة بالذكاء الاصطناعي حدا للنطاق الترددي أو تشوهات ضغط
- تحتاج المسارات إلى إصلاح قبل إصدار تجاري، بعد التحقق منها بالاستماع
اختيار أفضل سير عمل لفصل المسارات بالذكاء الاصطناعي
ابدؤوا بتسجيل اختباري تعرفونه جيدا. قارنوا المسارات المستخرجة بالمزيج الأصلي للتحقق من اتساق الطور ومستوى التشوهات. استخدموا الإعدادات المسبقة للفصل المعتاد، وSAM Audio لسائر الحالات، والترميم عندما يحتاج مصدر مضغوط أو مولد بالذكاء الاصطناعي إلى إصلاح.
باستخدام نماذج الذكاء الاصطناعي والترميم الحالية، يمكن أن تقترب المسارات المستخرجة من جلسة التسجيل متعددة المسارات الأصلية، لاستخدامها في الريميكس والعينات وتحليل المزيج.
أسئلة شائعة عن فصل المسارات بجودة عالية
ما أفضل نموذج ذكاء اصطناعي لفصل المسارات؟
تحقق نماذج BS-RoFormer وMel-Band RoFormer حاليا أعلى النتائج في المعايير العامة للغناء والطبول والبيس والموسيقى الآلية. وللآلات التي لا تشملها تلك المسارات المحددة، يكون نموذج قائم على الوصف مثل SAM Audio أكثر مرونة. راجعوا ترتيبنا لأفضل نماذج الغناء وأفضل نماذج الآلات.
هل يستخدم Neural Analog نموذج Demucs للمسارات؟
لا. تستخدم إعدادات 4 مسارات و6 مسارات نماذج BS-RoFormer، ويستخدم استخراج الآلات المخصص SAM Audio.
لماذا تبدو مساراتي رقيقة أو كأنها تحت الماء؟
غالبا لأن المصدر MP3 منخفض معدل البت، أو لأن الأداة تشغل نموذجا أقدم. ابدؤوا بأفضل مصدر متاح لديكم، واستخدموا نموذجا أحدث، ثم رمموا المسارات بعد ذلك. اقرأوا هل يصلح تحسين MP3 المسارات المكتومة لمعرفة ما يستطيع الترميم إصلاحه وما لا يستطيع.
أدلة ذات صلة
- إزالة الطبول من أغنية Suno مكتملة: استخدموا فصل مسار الطبول للحصول على تسجيل بلا طبول.
- استبدال طبول Suno بطقمكم الخاص: أزيلوا طبول الذكاء الاصطناعي، ثم برمجوا إيقاعا جديدا.
- تحويل أغنية ستيريو إلى Dolby Atmos: ضعوا المسارات المفصولة في طبقة أساس Atmos وكائناته.