音源の超解像度の調査 - 人工知能＠ふたば

画像ファイル名：1784777299228.jpg-(564999 B)

無題Name名無し26/07/23(木)12:28:19No.170166そうだねx1 27年3月頃消えます

音源の超解像度の調査中
いい感じのツールが見つかったがなぜか一度目（左）に試したときより良くない（中央）
いろいろ試した結果どうやらOpusでのみキレイに出力できる
んなアホな？

原因はOpusが内部で強制的に48kHz、24-bitで扱っているおかげだった
16-bitや24kHzのflacではよろしくなかったわけ
書いとけやｗ
アプスケしたいプア音源をそんなリッチな設定で保存するわけねえだろｗ

…	1無題Name名無し 26/07/23(木)12:30:51No.170167+ 1784777451828.jpg-(212832 B) ちなみにFLowHighって奴 https://huggingface.co/spaces/mrfakename/FLowHigh OmniVoiceは24kHz、GPT-SoVITSは32kHzだけどこれで改善できるまあスペクトログラムの見た目をでっち上げる程度だとは思うけどね

…

2無題Name名無し 26/07/23(木)12:49:26No.170170+
1784778566769.jpg-(3835566 B)

ほかに試したもの

AudioSR
クソ重い、遅い、末尾に十分な余白がないと音が小さくなったり二重になったりで事前準備が必要で
何千ものファイルを処理するのには向いていないキレイではあった（サンプル無し）
そもそもこれは「トーク限定」ではない

LavaSR
新進気鋭。超軽量、超高速
一見きれいだけどナイキスト8kHzあたりに違和感
どうやら一度16kHzにしてから処理しているらしく24kHzには向かなそう？

AP-BWE
GPT-SoVITS V3にもオプションで使われていた
ナイキスト12kHzあたりでの層が結構目立つ

…	3無題Name名無し 26/07/23(木)12:56:20No.170171+ 1784778980804.jpg-(306390 B) AudioSRはこれナイキスト12kHzのところに明るい感じで継ぎ目が見える

…	4無題Name名無し 26/07/23(木)13:28:05No.170172+ 1784780885358.png-(531690 B) LavaSRは入力ファイルの周波数を設定できる（デフォルト16kHz、中央）のだが 24kHzにするとなおさらよくない（右）

…	5無題Name名無し 26/07/24(金)16:57:47No.170235そうだねx1 >音源の超解像度初めて聞いたが要は､画像でいうところのアップスケールでいいの?

…	6無題Name名無し 26/07/24(金)18:31:41No.170244+ アップスケーラーだよ呼び方が色々あってスーパーレゾリューション（超解像）だったりエンハンサーだったりする決して新しい技術ではなく AudioSRが3年まえ、AP-BWE、FLowHighは2年まえ、LavaSRは今年出ている試してないけどvoicefixer、NU-Wave 2ってのも5年まえからある本来目指しているところは8kHzみたいな白黒テレビ時代の音をまともにするための技術らしく 24kHz→48kHzで良さげなのを見つけるのに黒牛たわ

…	7無題Name名無し 26/07/24(金)18:39:59No.170245+ 24kHzからの違いなんてわざわざスペクトログラムでチェックしないと気づかないだろうし特定フォーマット（48kHz、24-bit）の入力じゃないと正常に動作しないせいもあってまったく注目されなかったんだろうね

…	8無題Name名無し 26/07/24(金)18:44:46No.170246+ >スーパーレゾリューション（超解像）ハイレゾのレゾだよ

おなまえ
E-mail
題　　名
コメント
添付File	[画像なし]
削除キー	(記事の削除用。英数字で8文字以内)