Akustiikan tutkijat hajottavat äänen tarkasti kolmeen perusosaan

Akustiikan tutkijat ovat jo 2000-luvun alusta alkaen jakaneet äänen kolmeen perusosaan: siniääniin, kohinaan ja transientteihin, joita on tutkittu myös Aalto-yliopiston akustiikan laboratoriossa. Nyt Aalto-yliopiston tutkijat ovat todistaneet, että mitä tahansa ääntä voidaan matkia tarkasti yhdistämällä vihellyksiä, kilahduksia ja sihinää.

Tutkijat kehittivät tarkoitusta varten SiTraNo-ohjelmiston, jonka avulla ääni voidaan pilkkoa näihin kolmeen osaan. Äänen hajottamisen jälkeen sen jokaista osaa voi muokata haluamallaan tavalla.

”Siniäänet muistuttavat vihellystä, kohina on sihisevää ääntä, joka sisältää myös äänen vivahteita, ja transientit ovat kilahduksia. Ydinajatuksemme on, että mikä tahansa ääni voidaan hajottaa näihin kolmeen osaan – ei ole väliä ovatko ne yksinkertaisia tai monimutkaisia”, Aalto-yliopiston tohtoriopiskelija Leonardo Fierro kertoo.

”Vuonna 2016 opiskelijamme Eero-Pekka Damskägg esitti ensimmäisen kerran äänenkäsittelyn diplomityössään nopean tavan minkä tahansa äänen hajottamiseen kolmeen. Tämä työ on mahdollistanut hyvin tarkan ja joustavan mallin jatkokehittämisen, jonka Leonardo on nyt työssään tehnyt”, Aalto-yliopiston akustiikan professori Vesa Välimäki sanoo.

Tutkijat uskovat, että uusi äänenhajotustekniikka avaa monia mahdollisuuksia äänenkäsittelyssä. Pääasiallinen käyttökohde uudelle menetelmälle on äänen aikaskaalan muokkaus, erityisesti musiikkiäänitteiden hidastaminen. Sitä testattiin kuuntelutestissä vertaamalla uutta menetelmää ja Aalto-yliopiston edellistä äänenhidastustekniikkaa.

”Äänen hidastaminen eli äänen aikavenyttäminen kiinnostaa tällä hetkellä meitä eniten. Kun esimerkiksi katsomme urheilu-uutisia ja näemme hidastetun version urheilutapahtumasta, kyseessä on yleensä mykkäelokuva. Mielestäni tämä osoittaa, ettei tarjolla ole riittävän äänenlaadun takaavia työkaluja. Me olemme jo kehittämässä parempia aikaskaalan muokkausmenetelmiä, joissa käytetään syväoppivaa hermoverkkoa auttamaan komponenttien venytystä”, jatkaa professori Välimäki.

Korkealaatuinen äänihajotelma mahdollistaa myös uudentyyppisen musiikin uudelleenmiksauksen. 

”Yksi niistä on särötön dynaamiikan kompressio eli dynaamisen alueen pakkaaminen, jossa voimme vähentää äänen paikallisten huippujen voimakkuutta ja sen jälkeen lisätä äänen kokonaisvoimakkuutta”, Fierro kertoo.

Hajotelman toimivuus selvisi kuuntelukokeessa

Leonardo Fierro ja hänen ohjaajansa, professori Vesa Välimäki, huomasivat, että on tärkeää ottaa huomioon, miten ihmiset kuulevat äänen eri komponentit, kuten kilahdukset. Tämän pohjalta Fierro optimoi äänihavaintoon, sumeaan logiikkaan ja täydelliseen rekonstruointiin perustuen äänihajotelman, johon hän käytti luonnonvalintaa simuloivaa geneettistä algoritmia. Parannellussa hajotelmassa siniäänet ja transientit ovat toistensa vastakohtia, eikä ääni voi samanaikaisesti kuulua molempiin luokkiin. Kumpi tahansa niistä voi kuitenkin tapahtua samaan aikaan kohinan kanssa. 

Paranneltua hajotusmenetelmää verrattiin aiempiin menetelmiin kuuntelukokeen avulla, jossa kokeneet koehenkilöt kuuntelivat useita musiikkinäytteitä ja niistä eri menetelmillä irrotettuja komponentteja. Fierron kehittämä menetelmä voitti vertailun useimpien äänten kohdalla.

Tulokset on julkaistu alan johtavassa lehdessä Journal of the Audio Engineering Society. Open Access -artikkeli on luettavissa tästä linkistä.

Lisätietoa:

Leonardo Fierro (englanniksi)
Tohtoriopiskelija
Aalto-yliopisto, Informaatio- ja tietoliikennetekniikan laitos, akustiikan laboratorio leonardo.fierro@aalto.fi  

Vesa Välimäki
Professori
Aalto-yliopisto, Informaatio- ja tietoliikennetekniikan laitos, akustiikan laboratorio vesa.valimaki@aalto.fi  
+358 50 569 1176