Интеллектуальные методы эквализации и компрессии в процессе мастеринга звука на основе машинного обучения

В статье рассматривается задача автоматизации мастеринга аудиозаписей с использованием методов машинного обучения и цифровой обработки сигналов. Актуальность обусловлена стремительным ростом объемов аудиоконтента и потребностью в доступных инструментах профессиональной обработки звука для независимых музыкантов и малых студий. В работе предложена гибридная система, интегрирующая классификатор музыкальных жанров на основе метода опорных векторов с мел-кепстральными коэффициентами и модуль цифровой обработки сигналов, включающий эквализацию, компрессию, фильтрацию верхних и нижних частот, а также нормализацию громкости. Обучение классификатора выполнено на датасете GTZAN, а параметры обработки извлечены из датасета MUSDB18-HQ, содержащего треки с вокалом, на основе анализа среднеквадратичной амплитуды и распределения энергии по частотным диапазонам. Тестирование на выборке из пятнадцати треков пяти жанров показало, что использование MUSDB18-HQ повышает точность классификации жанров с 46,6 % до 60 % и увеличивает отношение сигнал-шум по сравнению с моделью, обученной только на GTZAN. Сравнение с коммерческим аналогом показывает отставание разработанной системы по объективным метрикам, но система обладает преимуществами в виде прозрачности параметров обработки благодаря наличию элемента логирования, простоты использования и отсутствия платы за использование. Новизна работы заключается в использовании открытого классификатора жанров с модулем цифровой обработки сигналов и адаптации параметров мастеринга для треков с вокалом. Практическая значимость состоит в создании доступного прототипа для образовательных целей и обработки демо-записей. В дальнейшем планируется замена метода опорных векторов на нейросетевые архитектуры и расширение поддержки аудиоформатов.

1. Katz R.A. Mastering Audio: The Art and the Science. Burlington: Focal Press; 2014. 408 p.

2. Izhaki R. Mixing Audio: Concepts, Practices, and Tools. Focal Press; 2023. 604 p. https://doi.org/10.4324/9781003303077

3. Sterne J., Razlogova E. Tuning sound for infrastructures: artificial intelligence, automation, and the cultural politics of audio mastering. Cultural Studies. 2021;35(4-5):750–770. https://doi.org/10.1080/09502386.2021.1895247

4. Islam M.A., Uddin M.A., Lee Y.-K. A Distributed Automatic Video Annotation Platform. Applied Sciences. 2020;10(15):5319. https://doi.org/10.3390/app10155319

5. Mycka J., Mańdziuk J. Artificial intelligence in music: recent trends and challenges. Neural Computing and Applications. 2025;37(2):801–839. https://doi.org/10.1007/s00521-024-10555-x

6. Wanasooriya W.M.G.M., Edirisingha R.U.R., Malsha A.G.P.H., Karunatilake C., Amarakeerthi S. Genre-based automatic audio mastering using machine learning and audio signal processing. In: The Second International Conference on Innovation and Emerging Technologies (ICIET 2022), 25–26 November 2022, Virtual Event. 2022. P. 182.

7. Tzanetakis G., Cook P. Musical genre classification of audio signals. IEEE Transactions on Speech and Audio Processing. 2002;10(5):293–302. https://doi.org/10.1109/TSA.2002.800560

8. McFee B., Raffel C., Liang D., et al. librosa: Audio and music signal analysis in Python. In: Proceedings of the 14th Python in Science Conference (SciPy 2015), 06–12 July 2015, Austin, TX, USA. 2015. P. 18–24.

9. Steinmetz Ch.J., Uhle Ch., Everardo F., et al. Audio Signal Processing in the Artificial Intelligence Era: Challenges and Directions. Journal of the Audio Engineering Society. 2025;73(7/8):406–428. https://doi.org/10.17743/jaes.2022.0209

10. Melechovsky J., Mehrish A., Roy A., Herremans D. SonicMaster: towards controllable all-in-one music restoration and mastering. arXiv. URL: https://arxiv.org/abs/2508.03448 [Accessed 10th April 2026].

11. Cobos M., Ahrens J., Kowalczyk K., Politis A. An overview of machine learning and other data-based methods for spatial audio capture, processing, and reproduction. EURASIP Journal on Audio, Speech, and Music Processing. 2022;2022(1):10. https://doi.org/10.1186/s13636-022-00242-x

12. Canyakan S. Machine learning in audio mastering: a comparative study. Journal for the Interdisciplinary Art and Education. 2025;6(1):47–65. https://doi.org/10.5281/zenodo.15074948

13. Cortes C., Vapnik V. Support-vector networks. Machine Learning. 1995;20(3):273–297. https://doi.org/10.1007/BF00994018

14. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York: Springer; 2009. 745 p.

15. Oppenheim A.V., Schafer R.W., Buck J.R. Discrete-Time Signal Processing. Upper Saddle River: Prentice Hall; 1999. 870 p.

16. Vincent E., Gribonval R., Févotte C. Performance measurement in blind audio source separation. IEEE Transactions on Audio, Speech, and Language Processing. 2006;14(4):1462–1469. https://doi.org/10.1109/TSA.2005.858005

17. Giannoulis D., Massberg M., Reiss J.D. Digital dynamic range compressor design – A tutorial and analysis. Journal of the Audio Engineering Society. 2012;60(6):399–408.

18. Reiss J.D., McPherson A.P. Audio Effects: Theory, Implementation and Application. Boca Raton: CRC Press; 2015. 376 р.

19. Pedregosa F., Varoquaux G., Gramfort A., et al. Scikit-learn: Machine learning in Python. Journal of Machine Learning Research. 2011;12(85):2825–2830.