“AI Mastering”iPhone版更新v1.2.5

iPhone Master版的AI Mastering已更新至v1.2.5。

更新摘要

·我们加快了视频上传速度降低了传输量

现在可以在不重新编码视频部分的情况下掌握用H.264和H.265 编码的视频

更新细节

常规

过去,所有视频(包括视频)都上传到服务器,服务器生成输出视频。因此,当视频部分的容量很大时, 上传和下载需要时间 。此外,为了减少传输量,智能手机有时会在上传之前重新编码。重新编码花费时间并且 图像质量恶化

修改版

在修改版本中,在使用H.264,H.265 + AAC制作的MP4电影的情况下,智能手机侧的视频和声音被解复用(分离而不会降级),并且仅上传和控制声音。掌握结束后,在母带处理后下载声音,在智能手机端复用声音和视频,并将它们组合在一起,不会降级,以创建输出视频。

对于所有其他视频,照常上传整个视频,并在服务器端制作输出视频。在这种情况下,视频被重新编码为H.264 + AAC MP4。

结果,实现了加速,高图像质量和传输体积减小

※对于使用H.264,H.265 + AAC制作的MP4电影,当在PC版或其他智能手机中查看智能手机版上载的视频部分时,无法看到视频部分。请确认。

iPhone版更新方法

可以从以下App Store链接进行更新。

要求

如果您对智能手机版有任何意见或要求,我们很高兴您能告诉我们。

请稍等片刻,因为支持Android。

“AI Mastering”命令行工具

介绍可以从命令行使用AI Mastering API的工具。

安装

从以下页面下载最新版本的可执行文件。有适用于Windows,Mac和Linux的可执行文件。

aimastering-tools Releases (Github)

怎么用

获取API访问令牌

Developer获取AI Mastering API的访问令牌。

执行母带制作

您可以使用以下命令执行母版制作。

其他选择

您可以使用以下命令检查其他选项:

链接

aimastering-tools (Github)

VBScript Tutorial (Github)

摘要

我们介绍了可以从命令行使用AI Mastering API的工具。

为什么在创建命令行工具时使用VBA中的AI Mastering API?这是你的要求。

我希望它对自动化和非正式前端有用。

如何将均衡器APO日语化

均衡器APO日语翻译

我们将向您展示如何将Equalizer APO翻译成日语。

什么是均衡器APO?

均衡器APO是一个Windows应用程序,可以对从PC播放的各种声音(YouTube视频和游戏声音)应用各种效果(EQ,压缩器,VST)。

以下文章介绍了有关如何使用均衡器APO的基本文章。如果您不了解均衡器APO,请参考它。

如何使用均衡器APO

如何将均衡器APO日语化

按照以下步骤进行日语本地化。

1.检查均衡器APO的版本

该版本在Equalizer APO配置编辑器的标题部分中描述。确保版本为1.2。如果版本不是1.2,请将Equalizer APO更新到最新版本。

均衡器APO版本

2.退出均衡器APO配置编辑器

如果均衡器APO配置编辑器正在运行,它将退出。

3.下载均衡器APO转换器

下载均衡器APO转换器。

适用于Windows的均衡器APO转换器

4.使用均衡器APO转换器进行日语本地化

启动均衡器APO转换器并按“应用日语本地化”按钮执行日语本地化。完成后,即使均衡器APO转换器完成也可以。如果出现错误,请右键单击可执行文件并尝试“以管理员身份运行”。

均衡器APO转换器

5.启动Equalizer APO配置编辑器

启动均衡器APO配置编辑器。

6.将Equalizer APO Configuration Editor的语言设置设置为英语

将均衡器APO配置编辑器的语言设置设置为英语。这很难理解,但是如果你将语言设置设置为英语,它将是日语。

日语本地化完成后,将如下所示。

均衡器APO日语翻译

我想翻译成其他语言

官方均衡器APO支持的语言为英语和德语。如果要将Equalizer APO翻译成英语,德语或日语以外的语言,您可以通过将以下文件的翻译部分的翻译发送到目标语言来做出响应。但请注意,无法保证可以支持它。

Editor_de.ts – Equalizer APO

从责任免除

均衡器APO Translator是一个非官方的工具。

- 不支持均衡器APO转换器。

·对于使用均衡器APO转换器造成的任何损坏,我们不承担任何责任。

摘要

我们介绍了如何使用均衡器APO转换器将均衡器APO转换为日语。

掌握“DÉDÉMOUSE”和“做你自己”的分析

这是AI Mastering分析“DÉDÉMOUSE”的“做你自己”的结果。

AI Mastering对“DDDÉMOUSE”和“做你自己”的分析结果

基本统计 DE DE MOUSE自己掌握统计数据

响度时间序列

DE DE MOUSE是你自己的响度时间序列

光谱

DE DE MOUSE是你自己的Spectrum

频谱分布

DE DE MOUSE是你自己的Spectrum Distribution

响度直方图

DE DE MOUSE是你自己的响度直方图

我怎样才能获得与“DÉDÉMOUSE”和“做你自己”相同的声压?

根据分析结果,“做你自己”的响度是-7.6 dB,所以我认为最好将目标声压设置为略大于AI Mastering和母带处理的声压。

由于目标声压很高,因此建议将天花板设置为“峰值”或“真峰值”。 “真峰值(15 kHz低通)”对于削波来说过于保守,因为它会降低峰值,因此如果由于重新编码等原因被削减超过15 kHz,它就不会削波。

如果设置“True Peak”,建议将过采样设置为2x。

设置示例

AI Mastering设置示例

“AI Mastering”的新母带算法“v2”

AI Mastering已更新。添加了新的母带处理算法“v2”。

新算法“v2”

为自定义母添加了新的母版制作算法“v2” 。您可以在高级选项中选择新算法“v2”和传统算法“v1”。

AI Mastering Mastering算法设置

* One Touch Mastering(Easy Mastering)选择“V2”。

新算法“v2”的特点

v2大师让“Proposity 2”上升。 由于母版制作参数的搜索性能高于v1 ,因此“Prop2”以高概率上升。

也可以指定参考。当指定参考时,进行母版制作以接近参考,而不是提出“支柱2”。您不能指定类似v1的预设。

它包括最小化偏离原始声音质量的处理,无论是否指定了参考。在v1中,有一种情况是声音质量根据声源变化很大,但它很放松。

母带制作级别允许您调整原始音质的距离。

传统算法“v1”的特征

v1掌握,以便“预言”上升。当我们启发式地选择母带参数时,“专业人士”可能不会有太大改善。

发展历史

更改AI Mastering的母带参数会以各种方式改变“Proposity”,但调整它以增加“Proposity”会使声音更好。你能自动化吗?我收到了一个意见。

v2对应于这个观点。由于在v2中增强了用于控制参数的搜索算法,因此自动完成母版制作以使“Prop.2”变大。我认为手动调整参数的时间会更短。

专业2(专业2)

“Proposity 2”是一个改进“Proposity”的指数。添加到分析指标。我们正在学习的数据比“Proposity”更多。

AI掌握专业2指数

增加了PC版本的上传大小上限和源长度上限

新的上传大小限制: 250MB (传统:150MB)

新声源上限: 15分钟 (常规:10分钟)

请稍等一下,因为iPhone版本支持应用程序端。

“AI Mastering”更新

AI Mastering已更新。这些更改是根本原因删除和系统故障的错误修复。功能没有变化。

根本原因消除了系统故障

我们确定并定期定期发现系统故障的原因。

Reducing inode and dentry caches to keep OOM killer at bay

增强监控以防止由于未知原因导致的系统故障。

Graphana AI掌握监控警报

Graphana AI掌握监测图表

高级计划双重计费

一些注册保费计划的人被指控两次。

具体而言,如果在注册保费计划时由于某种原因支付付款失败,则再次注册保费计划,然后如果旧保费计划的支付恢复,则旧保费计划和新保费计划将同时进行继续和收费双倍收费。

我们将为符合条件的人员执行以下操作。无需客户支持。我很抱歉

答:取消旧的保费计划

B:双倍退款

C:除了B之外,作为道歉,我退还了最近一个月的价值

此外,我已修复该程序,以防止它再次发生。将来,即使由于未知案例而发生双重费用,监控也会得到加强,以便能够及早发现。

谢谢你的未来。

LANDR vs“AI Mastering”(音质版)

MEI 20190207更改

我们比较了LANDR和AI Mastering的音质。

摘要

我们提出了一个可以客观地评估混合MEI 20190207的指数。

我们在MEI 20190207上比较了掌握AI Mastering和LANDR的声音。

我们发现AI Mastering的MEI 20190207比LANDR更高。

AI Mastering倾向于响度范围大于LANDR,Boominess小,Depth小,Warmth小。

*由于其他人有比较声音,请听

比较方法

使用LANDR和AI Mastering掌握各种声音,并将结果与各种指标进行比较。

声音要比较

我们从以下混合评估数据集中选择要比较的声音。该混合评估数据集包括针对各种歌曲的多个混合音频以及针对每个混合音频的多个人的主观评估结果。

在混音音频许可证CC BY中,我们选择每首歌曲具有最大响度范围的歌曲和具有最低平均主观评级的歌曲作为比较目标音调。

原因是当响度范围大时很容易掌握没有伪影,并且当主观评价低时自动母带制作不匹配。

请参阅下面的GitHub存储库以获取特定的混合列表。

MixBrowser

THE MIX EVALUATION DATASET

指数

MixEvaluationIndex20190207 (MEI20190207)

MixEvaluationIndex 20190207(MEI 20190207)是使用混合评估数据集的主观评估数据构建的混合音频的客观评估指标。它是混合音频的评估指标,但我认为它也可以用于评估母带音频。它旨在进行全面评估。它是这次比较的主要指标。

MEI 20190207通过各种指数的加权和来计算。原始指数是光谱的扩散协方差矩阵,光谱的平均值,硬度,不稳定性。简单地说,我根据频谱的形状,动态范围,空间的扩展,攻击的带宽和失真量来计算它。

用于重量学习的混合音频是MixBrowser中发布的所有混合音频,带有预览音频。一些预览音频是404 Not Found。

MixBrowser

响度

它是ITU-R BS.1770规定的响度。取决于要传送的平台以及用户如何收听,与其他歌曲相比,具有响度的歌曲很可能与更响亮的声音一起播放。你用大声的声音听起来会更好。

如果声音质量相同,响度应该很大。

其他指标

响度范围,真峰

掌握设置

请参阅下面的GitHub。

比较结果

更改MEI 20190207的金额

所有歌曲的MEI 20190207平均值相对于原来的变化。 AI Mastering往往比LANDR具有更高的MEI 20190207。

响度与响度范围

我用散点图绘制了响度中所有歌曲的平均值和响度的所有歌曲的平均值。通常,响度和响度范围处于权衡关系,但是当AI Mastering具有比LANDR更高的响度时响度范围的减小很小。

True Peak

真峰值(样本间峰值)是所有歌曲的平均值。如果真峰值大于0 dB,则可能由于重新编码等原因而失真,但似乎存在AI Mastering和LANDR都超过0 dB的情况。如果在AI Mastering中将Ceiling设置为True Peak,则可以防止True Peak超过0 dB,这样可以避免降低音质。 LANDR可能无法避免,因为没有这样的设置。

改变不协调量

不协调是衡量不和谐程度的指标。它用于计算MEI 20190207,Dissonance越低,MEI 20190207越高。

如果在AI Mastering中将母版制作等级设置为1,则Dissonance似乎会增加。将母带级别设置为0.5将导致相当于LANDR的增加。

改变硬度

硬度是衡量声音硬度的指标。它用于计算MEI 20190207,硬度越高,MEI 20190207越高。 AI Mastering和LANDR似乎都会增加硬度。

繁荣的变化

繁荣是Boomy学位的指标。内容是下面提出的蓬勃发展指数。它不用于计算MEI 20190207。

Booming index as a measurement for evaluation booming sensation

AI Mastering倾向于降低Boominess。

改变亮度

亮度是亮度的指标。它是通过高频分量的能量比与总能量的对数和光谱质心的对数的线性组合来计算的。它不用于计算MEI 20190207。

D5.2: First prototype of timbral characterisation tool for semantically annotating non-musical content

AI Mastering和LANDR倾向于提高亮度。

改变深度

深度是深度的指标。它在下面的D 5.2中定义。根据D 5.2,深度具有空间意义和频率特征含义,但该深度指标仅表示频率特征含义。它不用于计算MEI 20190207。

D5.2: First prototype of timbral characterisation tool for semantically annotating non-musical content

根据定义,如果存在许多低频分量,则深度将增加。 AI Mastering倾向于降低深度。

温暖的变化量

温暖是温暖的标志。以下是一个实现。它不用于计算MEI 20190207。

Timbral_Warmth.py (Github)

AI Mastering倾向于降低温暖。

掌握之后的声音比较

对于每首歌曲,我选择了原有的三个最大的MER 20190207,AI Mastering和MEI 20190207最大的一首。由于响度不对齐,请注意因音量不同而产生的偏差。

所有声音列表如下。请尝试MEI 20190207高音是否真的很好。每首歌的许可符号在Github的音频目录下描述。

ai-mastering / mastering_comparison(Github)

In The Meantime

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Lead Me

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Not Alone

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Pouring Room

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Red To Blue

Original

AI Mastering Best MEI20190207

LANDR Best MEI20190207

Github

详细信息如下。

ai-mastering/mastering_comparison (Github)

警告

什么在图表上写成“AI Mastering”或者Github代表AI Mastering。

摘要

我比较了LANDR和AI Mastering。