ซ่อมแซมเสียง AI — ซ่อมแซมเพลงที่สร้างด้วย AI

Fix AI Audio รองรับผลลัพธ์จากเครื่องมือสร้างเพลง AI ทุกชนิด — Suno, Udio, Stable Audio, MusicGen และอื่นๆ การซ่อมแซมจะเน้นไปที่ข้อบกพร่องทั่วไปของ AI ไม่ว่าเสียงนั้นจะถูกสร้างมาจากโมเดลใดก็ตาม

เครื่องมือสร้างเพลง AI จะถอดรหัสเสียงจากข้อมูลแฝงที่ถูกบีบอัด โมเดลส่วนใหญ่ในปัจจุบัน — Suno v3, Udio v1.5, Stable Audio 2 — ทำงานด้วยอัตราสุ่มสัญญาณภายในที่จำกัด และตัดความถี่ที่สูงกว่า ~14 kHz ออกอย่างรุนแรง ตัวถอดรหัสยังสร้างพื้นผิวเสียงที่ไม่สอดคล้องกันของเฟสในช่วงเสียงกลางตอนบนที่โปรดิวเซอร์เรียกว่า 'AI sheen' หรือเสียงสั่นแบบโลหะ ฟีเจอร์ Brighten จะสร้างเสียงย่านแหลมที่หายไปขึ้นมาใหม่ผ่านการสร้างฮาร์โมนิก ส่วน AI Deep Repair ผ่าน Cloud Assist จะรันโมเดลโครงข่ายประสาทเทียมขนาดใหญ่ที่เรียนรู้การแก้กลับข้อบกพร่องของตัวถอดรหัสเหล่านี้โดยตรง

ข้อบกพร่องของเสียง AI ที่พบบ่อยที่สุด: เสียงสั่นแบบโลหะ, เสียงอู้หรือความถี่สูงที่ถูกตัดออก, ความคมชัดของเสียงกลองที่หายไป, เสียงซ่าพื้นหลัง และช่องโหว่ของสเปกตรัม นอกจากนี้ AI Deep Repair ผ่าน Cloud Assist ยังจัดการกับเสียงแตกอย่างหนัก, มิติเสียงสเตอริโอที่ผิดเพี้ยน และข้อบกพร่องของเฟสที่โมดูลแบบทันทีสามารถแก้ไขได้เพียงบางส่วนเท่านั้น

Brighten, Punch และ Clean เป็นโมดูลประมวลผลสัญญาณ — EQ shelves ที่ทำงานรวดเร็ว, transient designers และ spectral gates ที่รันบนอุปกรณ์ของคุณในทันที โมดูลเหล่านี้ถูกปรับเทียบมาสำหรับรูปแบบข้อบกพร่องของ AI ที่พบบ่อยที่สุด และช่วยแก้ไขเพลงให้ดีขึ้นได้ 70-80% ส่วน AI Deep Repair ผ่าน Cloud Assist จะรันโมเดลโครงข่ายประสาทเทียมขนาดใหญ่กว่ามากซึ่งฝึกฝนมากับเพลงที่สร้างด้วย AI โดยเฉพาะ โดยจะจัดการกับความเสียหายที่หนักกว่า เช่น มิติเสียงสเตอริโอผิดเพี้ยน, เสียงแตกอย่างรุนแรง และช่องโหว่ของความถี่ที่ตัวประมวลผลแบบธรรมดาไม่สามารถเติมเต็มได้ แนะนำให้เริ่มต้นด้วยโมดูลแบบทันทีก่อน แล้วจึงใช้ AI Deep Repair หากเพลงยังคงฟังดูผิดปกติ

Fix AI Audio ถูกปรับแต่งมาเพื่อเพลงที่สร้างด้วย AI โดยเฉพาะ — โมดูล Brighten, Punch และ Clean ได้รับการปรับเทียบสำหรับข้อบกพร่องที่มักเกิดจากการสร้างเสียงด้วยโครงข่ายประสาทเทียม ส่วน Audio Enhancer จะเน้นการซ่อมแซมแบบอเนกประสงค์สำหรับแหล่งกำเนิดเสียงทุกประเภท รวมถึงเสียงที่บันทึกโดยมนุษย์ซึ่งมีรูปแบบข้อบกพร่องที่แตกต่างกัน

การซ่อมแซมทันที (Brighten, Punch, Clean) ทำงานบนอุปกรณ์ของคุณทั้งหมด — ไฟล์จะไม่ถูกส่งออกจากเครื่องของคุณ AI Deep Repair ใช้ Cloud Assist — ไฟล์ของคุณจะได้รับการประมวลผลอย่างปลอดภัยและถูกลบทิ้งทันทีหลังจากนั้น

การถอดรหัส Latent-space ทิ้งร่องรอยไว้

เครื่องมือสร้างเพลงด้วย AI สมัยใหม่ — Suno, Udio, Stable Audio, MusicGen — ไม่ได้สร้างตัวอย่างเสียงออกมาโดยตรง แต่จะสร้างลำดับของโทเค็นหรือเวกเตอร์แฝงที่ถูกบีบอัด ซึ่งตัวถอดรหัสโครงข่ายประสาทเทียมจะแปลงกลับไปเป็นคลื่นเสียง ตัวถอดรหัสนี้คือต้นเหตุของความผิดเพี้ยนของเสียงส่วนใหญ่ที่คุณได้ยิน เพื่อให้สามารถประมวลผลได้ในสเกลการฝึกสอน ตัวถอดรหัสจึงมักถูกสร้างขึ้นบน ตัวแปลงสัญญาณเสียงโครงข่ายประสาทเทียม (neural audio codecs) เช่น EnCodec หรือ Descript Audio Codec ตัวแปลงสัญญาณเหล่านี้มีการสูญเสียข้อมูล (lossy) โดยถูกออกแบบมาเพื่อบีบอัดสัญญาณสเตอริโอ 44.1 kHz ให้เหลือเพียงไม่กี่กิโลบิตต่อวินาที ตัวแปลงสัญญาณจะตัดรายละเอียดความถี่สูงที่เกินกว่าประมาณ 14 kHz ทิ้งไป ทำให้ข้อมูลเฟสในย่านเสียงกลางตอนบนเบลอ และทำลายมิติเสียงสเตอริโอที่ละเอียดอ่อนซึ่งไม่สามารถรอดพ้นจากการบีบอัดได้

นี่คือเหตุผลที่อาร์ติแฟกต์ในลักษณะเดียวกันปรากฏให้เห็นในผู้ให้บริการหลายๆ ราย ปลายเสียงแหลมที่ทึบและขุ่นมัวเล็กน้อย ("AI sheen") เสียงก้องแบบโลหะในเสียงร้องที่ลากยาว ลักษณะเสียงที่เปราะและหยาบของฉาบและไฮแฮทที่สร้างโดย AI มิติเสียงสเตอริโอที่แคบแม้ในเอาต์พุตที่ควรจะเป็นสเตอริโอ สิ่งเหล่านี้ไม่ใช่บั๊กของ Suno หรือ Udio — แต่เป็นคุณสมบัติของเลเยอร์โคเดกที่เครื่องมือสร้างเสียงเชิงพาณิชย์เกือบทุกตัวในปัจจุบันใช้เป็นพื้นฐาน

ทำไมปลั๊กอินมาสเตอริงรุ่นเก่าถึงใช้ไม่ได้ผลในที่นี้

กระบวนการมาสเตอริงมาตรฐานมักจะถือว่าอินพุตเป็นเสียงบันทึกของมนุษย์ที่สะอาดซึ่งต้องการเพียงการขัดเกลา — เช่น การใช้ high-shelf เพื่อเพิ่มความโปร่ง (air), บัสคอมเพรสเซอร์เพื่อผสานเสียง (glue) และลิมิตเตอร์เพื่อเพิ่มระดับเสียง (level) แต่เมื่อนำมาใช้กับเสียงที่สร้างด้วย AI เครื่องมือเหล่านี้กลับขยายสิ่งแปลกปลอม (artifacts) ให้ชัดเจนขึ้นแทนที่จะปกปิดมัน การใช้ high-shelf ที่สูงกว่า 12 kHz จะไปดันเสียงก้องของโคเดก (codec ringing) ให้ดังขึ้นแทนที่จะฟื้นฟูย่านเสียงแหลมที่แท้จริง คอมเพรสเซอร์แบบไวด์แบนด์จะยิ่งบีบอัดทรานเซียนต์ (transients) ที่แบนราบอยู่แล้วให้จมลงไปอีก ตัวขยายมิติสเตอริโอเมื่อใช้กับมิติเสียงที่ถูกยุบเป็นโมโนก็จะยิ่งเพิ่มคัลเลอร์แบบ comb-filter เข้าไปเท่านั้น Fix AI Audio พลิกตรรกะดังกล่าว: โดยจะระบุย่านความถี่เฉพาะและลักษณะเฉพาะในโดเมนเวลาของสิ่งแปลกปลอมจากตัวถอดรหัสและจัดการกับสิ่งเหล่านั้นโดยตรง แทนที่จะจัดการทุกอย่างแบบเหมารวม หากคุณยังต้องการมาสเตอร์ไฟล์ที่ทำความสะอาดแล้วในภายหลัง ให้ส่งผ่าน Auto Master เป็นขั้นตอนต่อไป

เพิ่มความสดใส — การสร้างฮาร์มอนิกขึ้นใหม่ที่สูงกว่า 14 kHz

ตัวถอดรหัสจะตัดความถี่ที่สูงกว่าประมาณ 14 kHz ออกอย่างหนัก High-shelf แบบธรรมดาไม่สามารถดึงเสียงกลับมาได้เนื่องจากพลังงานเสียงได้หายไปแล้ว ฟังก์ชัน Brighten จะสร้างความถี่สูงขึ้นมาใหม่จากโครงสร้างฮาร์มอนิกของความถี่กลางที่มีอยู่ — โดยการทำ Saturation, การกรอง และผสมเสียงที่สังเคราะห์ขึ้นมาใหม่ให้เข้ากับโทนเสียงของต้นฉบับ ผลลัพธ์ที่ได้คือความโปร่งและความชัดเจนที่ไม่เคยมีอยู่ในไฟล์อินพุต ควรเลื่อนสไลเดอร์อย่างระมัดระวัง เนื่องจากการเร่งตัวสร้างเสียงใหม่มากเกินไปจะทำให้เกิดความแข็งกระด้างของเสียงได้

Punch — การฟื้นฟูทรานเซียนต์ในเสียงกลอง AI

ชุดกลอง AI มีเสียงแปะๆ เนื่องจากโคเดกทำให้ทรานเซียนต์ช่วงต้นเบลอ Punch คือเครื่องมือปรับแต่งทรานเซียนต์ที่ตรวจจับเอนเวโลปช่วงแอทแทคของเสียงเพอร์คัสชัน และสร้างช่วงเริ่มต้นของเสียงขึ้นมาใหม่ เสียงกระเดื่องจะกลับมามีน้ำหนัก เสียงสแนร์จะกลับมามีความคม และเสียงไฮแฮทจะเลิกฟังดูเหมือนเสียงซ่า เครื่องมือนี้ถูกปรับจูนมาสำหรับโปรไฟล์ทรานเซียนต์เฉพาะตัวของเพอร์คัสชัน AI ซึ่งแตกต่างจากโปรไฟล์ของกลองแซมเพิลตรงที่มีช่วงปลายทรานเซียนต์ที่ลดระดับลงช้ากว่า

คมชัด — สเปกตรัลเกตที่ปรับจูนให้เข้ากับระดับสัญญาณรบกวนพื้นฐานของ AI

แทร็ก AI ส่วนใหญ่มักมาพร้อมกับเสียงรบกวนบรอดแบนด์เบาๆ ที่เป็นพื้นหลัง ซึ่งส่วนหนึ่งเกิดจากการควอนไทซ์ของโคเดก และอีกส่วนเกิดจากกระบวนการสร้าง นอยส์เกตมาตรฐานมักจะจัดการไม่ได้เนื่องจากเสียงรบกวนนี้ไม่คงที่ Clean จะใช้สเปกตรัลเกตที่ผ่านการเรียนรู้มาเพื่อปรับให้เข้ากับระดับเสียงรบกวนพื้นฐานเฉพาะของ AI และระงับเสียงนั้นโดยไม่กระทบต่อเนื้อหาของดนตรี ควรใช้เมื่อช่วงความเงียบระหว่างท่อนมีเสียงซ่าเล็กน้อย

การซ่อมแซมเชิงลึกด้วย AI — ความเสียหายที่หนักกว่าผ่าน Cloud Assist

เมื่อความเสียหายของตัวแปลงสัญญาณรุนแรง — เช่น มีการตัดยอดคลื่น (clipping) อย่างหนัก, เสียงสเตอริโอแบนราบ (stereo collapse), หรือมีช่องโหว่ในสเปกตรัมเสียงที่ได้ยินชัดเจน — โมดูลบนอุปกรณ์จะสามารถช่วยได้เพียงระดับหนึ่งเท่านั้น AI Deep Repair จะส่งไฟล์ไปยัง Cloud Assist และรันโมเดลนิวรัลที่มีขนาดใหญ่กว่ามาก ซึ่งผ่านการฝึกด้วยข้อมูลเพลงต้นฉบับที่คมชัดจับคู่กับเพลงที่ถูกลดคุณภาพโดย AI ระบบจะจัดการกับปัญหาที่ต้องใช้บริบทของทั้งแทร็ก ได้แก่ การสร้างความกว้างของเสียงสเตอริโอขึ้นใหม่จากสัญญาณที่ซ่อนอยู่, การกู้คืนยอดคลื่นที่ถูกตัดโดยการคาดคะเนรูปร่างของรูปคลื่น, และการเติมเต็มช่องว่างของสเปกตรัมด้วยเนื้อหาที่มีความสมเหตุสมผลทางสถิติ ไฟล์จะถูกประมวลผลและลบทิ้งทันที สำหรับการซ่อมแซมเสียงในวงกว้างที่นอกเหนือจากปัญหาเฉพาะของ AI โปรดดูที่ ชุดเครื่องมือซ่อมแซมเสียง