Моделі та методи підвищення аудіоякості музичних творів із використанням нейронних мереж

Abstract

Основною метою кваліфікаційної роботи є дослідження моделей та методів підвищення аудіоякості музичних творів із використанням нейронних мереж. Спочатку проведено ґрунтовний огляд сучасних підходів до оцінки та поліпшення аудіосигналів, серед яких виділено класичні спектральні методи та передові нейромережеві рішення. Аналіз показав, що традиційні алгоритми часто нездатні адаптуватися до широкого різноманіття жанрових особливостей музики та різного рівня шумового фону, тоді як нейронні мережі демонструють високу здатність до навчання комплексних патернів та більш гуманізованого відновлення звуку. У ході виконання кваліфікаційної роботи було виконано огляд сучасних методів оцінки та покращення аудіоякості, на основі якого сформовано корпус аудіоданих із музичних, мовних та шумових фрагментів. Запропоновано багатоетапну архітектуру, що поєднує грубе шумоподавлення на основі ERB-масок, спектральну реконструкцію трансформером та GAN-постобробку з контекстним маскуванням і фазовим коректором. Впроваджено адаптивний механізм маршрутизації обробки залежно від проміжної оцінки якості сигналу. Прототип реалізовано на Python із використанням бібліотек PyTorch, Librosa та Torchaudio, і експериментально підтверджено покращення показників PESQ, SI-SDR та ViSQOL порівняно з класичними моделями.