فصل أصوات متداخلة مع فحص الجودة: مشاريع تخرج هندسة الصوت والذكاء الاصطناعي

عندما يسجل ميكروفون صوتين في الوقت نفسه، تكون الإشارة المركبة أقرب إلى ما يسمعه المستمع من كل مصدر منفرد. نموذج الفصل يحاول إنتاج مسارين، لكن قد يترك جزءاً من المصدر الأول في المسار الثاني أو يزيل نبرة مهمة مع الضجيج. يقترح هذا المشروع من مشاريع تخرج هندسة الصوت والذكاء الاصطناعي مختبراً صغيراً يقارن الفصل على مقاطع معلومة المصدر، ثم يعرض جودة كل مخرج واستعماله الصحيح وحدوده.

ضيق المهمة حتى يمكن تقييمها

اختر سيناريو واحداً: متحدثان متداخلان، أو صوت كلام مع ضوضاء، أو مقطعان موسيقيان. لا تخلط بينها في إعلان المشروع؛ طبيعة البيانات واختبارها تختلف. الأنسب لنسخة جامعية أولى هو استخدام مقاطع لها مصادر أصلية منفصلة، ثم إنشاء المزيج رقمياً، بحيث تعرف الإشارة المرجعية لكل مسار.

حدد طول المقطع ومعدل أخذ العينات وعدد القنوات، وثبتها في جميع التجارب. لا تستخدم تسجيلات أشخاص دون إذن واضح، ولا تنشر أصواتاً يمكن التعرف على أصحابها. يمكن استعمال مجموعة مفتوحة تسمح بالتجربة، مع الاحتفاظ بمعلومات الرخصة والتقسيم. وإذا لم تتوفر مجموعة تناسب نطاق الفريق، اجعل التجربة على مواد اصطناعية وصرح بذلك.

بيانات وفصل للمقارنة

توثق مجموعة WHAM! بيانات كلام مع ضوضاء، بينما يضيف عمل WHAMR! ظروف الصدى إلى مهمة فصل الكلام أحادي القناة. يقدم تقرير SiSEC 2018 مهمة معيارية لفصل الموسيقى. اقرأ شروط استخدام الملفات قبل تنزيلها؛ وجود صفحة مشروع أو ورقة متاحة لا يعني تلقائياً أن كل إعادة نشر مسموحة.

لنسخة أصغر، سجل مقطعين مرخصين أو أنشئ مزيجاً اصطناعياً من ملفين لا يتضمنان معلومات شخصية. احفظ معاملات الخلط ومستوى كل مصدر وموضع البداية. لا تخلط مقطعين بإعدادات مختلفة لكل محاولة ثم تقارن النتائج من دون تسجيلها. كل تجربة تحتاج مصدرين معروفين ونسخة mix محفوظة لتستطيع إعادة الخطوة نفسها.

مسار معالجة يمكن إعادة تشغيله

ابدأ بخط أساس بسيط: الاستماع إلى المزيج، أو مرشح طيفي عند ضجيج ثابت، ثم جرب نموذج فصل جاهزاً قبل تدريبه من الصفر. وحّد الصوت إلى التنسيق المطلوب من دون تغيير السرعة، وتحقق من أن القنوات لم تختلط في التحويل إلى mono. سجل اسم النموذج وإصداره ووزن الملف والمكتبات ومعاملات الاستدلال.

اعرض المزيج والمصدر المرجعي والمخرج متزامنة على خط زمن واحد. أضف تشغيل A/B ومستوى صوت موحداً حتى لا يبدو المخرج أنظف لمجرد أن شدته أقل. لا تسمح لمقياس تلقائي بتطبيع الملفات بصمت قبل حساب النتائج. احتفظ بالنسخة الأصلية للقراءة فقط، وبيّن أي قص أو padding أضيف لمعالجة الأطوال.

مثال: صوتان يتداخلان لثانيتين

افترض أن مقطعاً يحوي متحدثاً أولاً يتكلم طوال المدة، بينما يدخل صوت ثانٍ في منتصفه. يعرض المختبر نافذتين: الأولى تقارن المصدر الأول بمخرجه، والثانية تقارن المصدر الثاني بمخرجه. لو احتوى مسار المتحدث الأول على جزء واضح من صوت الثاني، تظهر هذه المنطقة كـ«تسرب» عند الاستماع وعند المقاييس، بدلاً من إخفائها تحت متوسط المقطع.

هذا مثال لتصميم العرض وليس نتيجة نموذج محدد. أضف حالات صمت أو مصدر واحد، لأن الخوارزمية قد تنتج صوتاً وهمياً حين لا يوجد متحدث ثانٍ. اختبر أيضاً عندما يكون أحد المصدرين أضعف بكثير؛ قد يختفي صوت منخفض المستوى رغم أن النتيجة الإجمالية تبدو مقبولة. سجل ظروف كل تجربة بجوار ملف الصوت.

لا تختصر جودة الصوت برقم واحد

يمكن قياس SI-SDR أو مقياس فصل مناسب على المخاليط المعروفة، لكن الرقم لا يشرح دائماً التشوه المدرك. اعرض أيضاً استماعاً بشرياً منظماً، مع أسئلة عن وضوح الكلام والتسرب والتشوه، وبترتيب عشوائي للملفات. لا تطلب تقييم «الأفضل» فقط؛ قد يفضل شخص الصوت الأعلى. قدم أمثلة فشل موزعة حسب مستوى الضجيج والتداخل.

قسّم التدريب والاختبار بحسب التسجيل الأصلي أو المتحدث، لا المقاطع المقتطعة عشوائياً. وإلا قد يسمع النموذج صوت الشخص نفسه في التدريب والاختبار. قارن بمسار مرجعي مثل نسخة المزيج غير المفصولة، واحتفظ بكل الإعدادات. إذا لم يكن عدد المقاطع كافياً، قدم النتائج وصفياً ولا تعمم على جميع اللهجات والغرف.

أخطاء متوقعة وكيف يكشفها المختبر

اختبر تزامن الإشارات وقلب قطبية قناة وclip بسبب تجاوز سعة الإشارة وانقطاع sample rate. يجب أن يرفض التطبيق ملفاً معطوباً برسالة محددة، لا أن ينتج waveform فارغاً بصمت. إذا أعاد النموذج عدداً خاطئاً من المسارات أو كان طول المخرج مختلفاً، احتفظ بالخطأ في سجل الاختبار ولا تستبعد الحالة من التقرير.

الفصل لا يجعل التسجيل أصلياً أو مناسباً للنشر، ولا ينقي كل الضجيج. قد يحذف النموذج حروفاً أو طبقات موسيقية، وقد يعيد أثراً لا وجود له في المصدر. لا تستخدم الخرج المنفصل بوصفه دليلاً جنائياً أو نصاً موثقاً. اعرض تنبيهاً حين لا تتوفر إشارة مرجعية لقياس الجودة، وامتنع عن وصف المصدر بأنه «معزول تماماً».

تسليم جامعي واضح

جهز مجموعة اختبار صغيرة مرخصة، وسكربت تركيب المخاليط، ونسخة حاوية أو ملف بيئة، وواجهة استماع، ونتائج على مستوى المقطع ومصادر الخطأ. اكتب خطوات إعادة التشغيل من تنزيل البيانات حتى التقرير، ولا ترفع ملفات صوتية لا تملك حق مشاركتها. يشرح العرض الشفهي الفرق بين إزالة الضجيج وفصل المصادر.

يمكن تنفيذ الفكرة ضمن مشاريع التخرج في هندسة الصوت أو تعلم الآلة. وهي مختلفة عن فهرسة المحاضرات التي تربط النص بالطابع الزمني، وعن تصنيف تغير صوت الآلة الذي يحدد فئة صوتية. لا حاجة إلى ادعاء منتج تجاري؛ يكفي أن يوضح الفريق ما فصله، وما بقي مختلطاً، ومتى كانت النتيجة أسوأ من المدخل.