我从小玩着 RPG Maker 2000 长大,因此尝试用现代音频超分辨率技术修复它的经典 RTP 音效。效果不错:全部 203 个声音现在都能以 48 kHz 播放,您可以在下方下载修复后的音效包。
RPG Maker 2000(RM2k)是一款于 2000 年发布的游戏开发软件。它附带的 RTP(运行时资源包)包含预制素材,其中的音效被许多独立开发者用于自己的游戏。对于玩着 RM2k 游戏长大的人来说,这些声音非常经典,但按今天的标准来看,音质已经偏低。
超分辨率能修复它们吗?超分辨率就是把图像放大补细节的思路用在声音上。

原版

超分辨率
为什么这很难?您可以在 Paint 中放大一张小图,但这不会增加真实细节,只会让图像变得模糊、像素块更明显。音频也是如此:将 MP3 转换为 WAV 或提高采样率,并不能恢复缺失的内容。目标是补回缺失的细节。
下面是 RM2k RTP 中原版的“Sword2.wav”音效。

上图是一张频谱图,展示声音的频率成分如何随时间变化。较亮的区域表示声音在相应频率和时刻更响。
这段音频听起来像来自一盘 1980 年代空手道电影的磁带。文件虽然是 WAV,但为了节省磁盘空间,保存时使用了 22.05 kHz、16 位格式。22.05 kHz 的文件无法容纳 11 kHz 以上的频率,也就是采样率的一半;图中的频谱上限约为 10 kHz。人类大约能听到 20 kHz,因此这里缺失了很多细节,而高频仍会影响我们对音质的感受。 参加在线听力测试,看看您能否听到这些频率。
现在,下面是通过 Neural Analog 上的 UniverSR 处理后的修复版本:

看看频谱图:现在刻度上限达到 24 kHz。新文件为 48 kHz、24 位,采样率和位深都高于 CD 音频的 44.1 kHz、16 位。试听时,声音也更明亮。
它并不只是更响、重新做了均衡,或加上大量混响。新增的高频遵循原始声音的结构,仿佛有人把缺失的细节重新画了回来。
这就是音频修复,而我为每一个 RTP 音效都做了这样的处理。
我将 RPG Maker 2000 RTP 中的全部 203 个音效处理成了 48 kHz 版本。
下载全部修复后的 RPG Maker 2000 RTP 音效(ZIP)
想找原版文件?RPG Maker 2000 官方 RTP 安装程序位于 RPG Maker 运行时资源包页面。如果需要采用开放许可证的免费替代素材,请查看 EasyRPG RTP。
我没有找到原始的高质量文件,没有重新录制,也没有搜索音效库,而是使用了机器学习模型。
UniverSR 是首尔的研究人员开发的音频超分辨率模型。UniverSR 模型说明中有更多技术细节。它以低质量音频为输入,重建同一声音的更高质量版本。
简单来说,UniverSR 模型先用 STFT(短时傅里叶变换)将音频转换为频谱图,再通过流匹配生成缺失的高频。Stable Diffusion 3 和 FLUX 等图像模型也使用这种生成技术。最后,频谱图被转换回音频。
UniverSR 使用多种无版权限制的音频数据集训练,涵盖语音、音乐和音效。训练文件经过降采样,组成低分辨率与高分辨率的配对数据,模型由此学习根据低分辨率版本推断出可信的高分辨率版本。
模型会“画出”与原始声音一致的缺失细节。它通常最适合处理与训练数据相似的声音。FAQ 列出了适合使用 UniverSR 处理的音频类型。
UniverSR 是开源的,但自行运行需要一定技术知识和强大的 GPU。我改用 Neural Analog 上的在线 UniverSR。我先一次性批量导入 203 个 RTP 音效,全部选中,然后一键对整组选中音频运行基于 UniverSR 的修复,使用单声道,将 4 kHz 截止频率以上的内容修复至 24 kHz。
处理整个音效包花了约 20 分钟。模型并非最快,但效果优于我尝试过的另一种方案:AudioSR,同样可以从 GitHub 安装。
我将文件下载为 ZIP。这里再次提供链接:
如果您正在参加游戏开发比赛,或只是重温 RM2k,希望这些音效能派上用场。
我们都会积累一些低质量音频:语音备忘录、社交媒体视频、音乐文件、实地录音等。关于音乐,包括 AI 生成的歌曲,请参阅如何修复 AI 歌曲音质。
其中有些内容无法替代。UniverSR 这样的音频超分辨率模型可以修复这些录音,让它们在现代设备上听起来更好。
想修复自己的低保真音效、历史录音或音质受损的音乐,又不想配置本地 GPU? 直接在 Neural Analog 上运行同一个 UniverSR 处理流程。
原版 RTP
已修复
原版 RTP
已修复
原版 RTP
已修复
原版 RTP
已修复
原版 RTP
已修复
原版 RTP
已修复