نموذج
SFC-Locoformer: الضغط الطيفي التكيفي وحدود الحوار لـ 11.8 ديسيبل DnR
قراءة مكثفة للورقة / فصل الصوت السينمائي والتلفزيوني
قراءة مكثفة للورقة / فصل الصوت السينمائي والتلفزيوني
قراءة في ورقة بحثية / فصل سينمائي
يفصل DnR المزيج البرنامجي إلى حوار وموسيقى ومؤثرات. وتتداخل هذه المصادر في الزمن والتردد معاً، لذا لا يمكن اختزال المشكلة في مجرد كشف النشاط الكلامي. يعالج كلٌّ من SFC-Locoformer وBandIt وTIGER-DnR المهمة نفسها بخطط ضغط وتكاليف تسلسل وأدلة منشورة مختلفة.
ينتج STFT الطيف المركّب X(t,f). ومنح كل عنصر ترددي متجاور الميزانية نفسها من القنوات يعني إنفاق الحساب على سمات شديدة الارتباط فيما بينها. يتعلّم SFC إسقاطاً نحو محور طيفي مدمج:
Z(t,k)=Σ_f C(k,f)·[Re X(t,f), Im X(t,f)]
يعيد المفكّك التمثيل المضغوط إلى عناصر التردد المستهدفة عبر الانتباه المتقاطع. وليس هذا قصّاً للترددات العالية: فاللحظات العابرة للحروف الساكنة والتوافقيات الممتدة والمؤثرات واسعة النطاق تظل في متناول الفاصل.
تنمذج الكتل المحلية الارتطامات والحروف الانفجارية وهجمات الطبول، بينما ينقل التواصل عبر النوافذ الفرش الموسيقية والجمل والأجواء المحيطة. ولو استُخدم حقل انتباه كثيف واحد لنما استهلاك الذاكرة بحدّة مع طول المدة. يجمع Locoformer بين المزج المحلي وتبادل بعيد المدى مقتصد، حتى تبقى نقطة التحقق medium المنشورة عملية الاستخدام.
يسجّل الجدول II قيمة 11.8 dB لنموذج SFC-Locoformer medium و10.9 dB لنموذج BandIt وفق بروتوكول اختبار DnR نفسه. والهدف غير المتأثر بالمقياس هو:
SI-SDR=10 log10(||s_target||² / ||e_noise||²)
وهي تسند ترتيباً داخل البروتوكول نفسه، لا مقارنات مع MUSDB أو مع نسخة أخرى من DnR أو مع مقاطع منتقاة بعناية. ولا يضمن التفوق بمقدار 0.9 dB فوز كل مقتطف سينمائي؛ فالحروف الاحتكاكية واتساع الأجواء والعابرات اللحظية للمؤثرات ما زالت تستوجب استماعاً أعمى.
ينشر المؤلفون مُرمّزات SFC-CA وSFC-Mamba وBandIt، والفاصل TF-Locoformer، وأوزاناً مُدرّبة مسبقاً على MUSDB18-HQ وDnR. وبذلك يمكن التحقق من تطابق معمارية الورقة مع تنفيذ المستودع وملفات بطاقة النموذج؛ غير أن 11.8 dB تظل خاصة ببروتوكول DnR v2 الوارد في الجدول II وحده.
اكتسب فصل الحوار والموسيقى والمؤثرات تعريفاً مستقراً نسبياً للهدف بعد تحدي DnR لعام 2021. وركّز BandIt لاحقاً قدرته النمذجية على نطاقات ترددية غير منتظمة، في حين استكشف TIGER نموذج تسلسل أقل كلفة. أما SFC-Locoformer فيطرح سؤالاً هندسياً مختلفاً: إذا كانت عناصر التردد المتجاورة زائدة عن الحاجة، فهل يمكن ضغطها قبل إنفاق ميزانية النموذج على بنية الحوار واللحن الأطول؟
وبسبب هذا التاريخ تُجمع النماذج الثلاثة المنشورة تحت مهمة واحدة دون أن توصف بأنها استبدال بسيط للقديم بالجديد. فـBandIt خط أساس قوي لتقسيم النطاقات، وTIGER بديل موجّه نحو كلفة الحساب، بينما تسجّل نقطة التحقق SFC medium المنشورة 11.8 dB وفق بروتوكول DnR v2 نفسه المستخدم في الجدول II. فالمعمارية والأوزان وبروتوكول التقييم كلها عوامل مؤثرة.
Z(t,k)=Σ_f A(k,f|X)·W_f·X(t,f)X(t,f)الطيف المركّب الداخلA(k,f|X)تجميع نطاقات تكيّفي مع الدخلZ(t,k)تمثيل التسلسل المضغوطA ليست قاعدة ثابتة لتهذيب الترددات، بل وزن تجميع يعتمد على الدخل، ومن ثمّ يترك المحور k الأقصر قدرة تسلسلية أكبر للحوار واللحن والأجواء عبر الزمن.
وما زال المفكّك يستعلم بسمات غير مضغوطة لاستعادة كل عنصر ترددي في الخرج. المعادلة تجريد لتدفق المعلومات؛ أما CrossAttnEncoder وCrossAttnDecoder والاستعلام التكيّفي في المستودع فهي التنفيذ القابل للتدقيق.
يمكن تتبّع الورقة والشيفرة والأوزان عبر مصدر SFC-Locoformer / نقطة تحقق DnR المنشورة / ورقة SFC وجدول DnR.
لا تُرتَّب هنا سوى الصفوف المُتحقق منها وفق البروتوكول المنشور نفسه؛ ولا يُدرج TIGER-DnR في الجدول II دون نتيجة مطابقة.
| النموذج | النتيجة المنشورة | كيف تُقرأ |
|---|---|---|
| SFC-Locoformer medium | 11.8 dB SI-SDR | أعلى قيمة منشورة في هذا البروتوكول؛ مع ضرورة تدقيق حواف الحوار |
| BandIt | 10.9 dB SI-SDR | خط أساس لتقسيم النطاقات وفق البروتوكول نفسه |
| TIGER-DnR | أدلة الكفاءة معروضة على حدة | لا تُمزج في صف غائب من الجدول |
في الحوار، أنصت إلى الحروف الصفيرية والأنفاس والكلام البعيد. يُخرج SI-SDR الكسب الكلي من المقارنة، لكنه قد يفوّت الحواف المعدنية وأذيال الغرفة المتضررة. وفي الموسيقى، تحقّق من أشباح الكلام؛ وفي المؤثرات، حافظ على استمرارية الأبواب وخطوات الأقدام والأجواء.
تحتوي مزجات البث أيضاً على تحديد للقمم وخفض للحوار وطيّ للقنوات. وبروتوكول ورقة DnR لا يمثّل تلقائياً كل نسخة تسليم نهائية؛ لذا ينبغي أن تستخدم المقارنات بين SFC وBandIt وTIGER المقاطع نفسها، وأن تدقّق حواف الحوار وتسرّب الموسيقى واستمرارية الأجواء كلاً على حدة.
مسار المؤثرات حاوية واسعة؛ فالمطر والمرور والتصفيق وأصوات فولي تبقى مدمجة، ومن ثمّ ليس خرج DnR تفكيكاً صوتياً على مستوى العناصر.
تظل شروط الترخيص المنبعية تحكم النشر وإعادة التوزيع، حتى وإن لم يعد نموذج المهمة يقاطع سير العمل بعظة عن ترخيص النموذج.
تعود أسماء النماذج والأرقام والقيود إلى الأوراق أو المستودعات أو بطاقات النماذج أدناه.