音頻分離技術(shù)在音樂(lè)領(lǐng)域中的應(yīng)用及其價(jià)值

摘 要：音頻分離技術(shù)是一項(xiàng)高度復(fù)雜的聲學(xué)信號(hào)處理領(lǐng)域內(nèi)的技術(shù)，它涉及對(duì)混合音頻信號(hào)進(jìn)行深度解析與精細(xì)操作，并將源自不同聲源的信號(hào)成分有效地分離，此過(guò)程要求精準(zhǔn)的信號(hào)分析、特征提取，以及復(fù)雜信號(hào)重建算法，體現(xiàn)了信號(hào)處理、機(jī)器學(xué)習(xí)及聲學(xué)原理的深度融合與應(yīng)用。在人工智能飛速發(fā)展的驅(qū)動(dòng)下，該技術(shù)已形成一個(gè)綜合、強(qiáng)大、智能的科技體系?，F(xiàn)已有多種應(yīng)用工具隨之誕生并服務(wù)于音樂(lè)教育、音樂(lè)制作、音頻編輯等行業(yè)。通過(guò)讀取大量的數(shù)據(jù)樣本，此技術(shù)在聽(tīng)覺(jué)訓(xùn)練、音樂(lè)創(chuàng)編、音頻修復(fù)等領(lǐng)域有著積極、廣泛的應(yīng)用價(jià)值。

關(guān)鍵詞：音頻分離技術(shù)；應(yīng)用價(jià)值；混合音頻

中圖分類號(hào)：J692 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0905（2024）19-00-03

“在日常生活中，我們聽(tīng)到的聲音極少是來(lái)自單一的某個(gè)聲源?！盵1]在音頻分離技術(shù)真正誕生之前，對(duì)復(fù)雜音頻混合物中各個(gè)獨(dú)立音源分離是一個(gè)巨大挑戰(zhàn)。傳統(tǒng)信號(hào)處理方式通常側(cè)重于頻率分析，但真實(shí)世界的音頻信號(hào)包含時(shí)間與頻率上的多維交織，呈現(xiàn)出高度的復(fù)雜性。這種方法在解析來(lái)自不同聲源的聲音特征（如峰值、基頻和位置信息等）時(shí)顯得尤為局限，難以有效應(yīng)對(duì)音頻信號(hào)的多維特性。隨著數(shù)字信號(hào)處理技術(shù)和算法研究的快速發(fā)展，音頻分離在20世紀(jì)90年代中后期逐漸成為一個(gè)明確的研究領(lǐng)域和技術(shù)目標(biāo)。近年來(lái)，由于數(shù)字信號(hào)處理技術(shù)和算法研究的深入，此技術(shù)迎來(lái)了其發(fā)展的關(guān)鍵時(shí)期。在這一階段，研究者開(kāi)始探索更為復(fù)雜且高效的信號(hào)分解與重建方法，旨在揭示并分離出混合音頻中的各個(gè)獨(dú)立聲源。

一、音頻分離技術(shù)概述

“在信號(hào)處理的背景下，音頻分離（Audio separation）又可稱為音（頻）源分離（Audio source separation）、聲源分離（Sound source separation）或源分離（Source separation）。此技術(shù)依托于信號(hào)分離（Signal separation），是指從混合音頻信號(hào)中提取出單個(gè)或多個(gè)音源的技術(shù)，也是音頻信號(hào)處理中研究最多的技術(shù)之一。” [2]該技術(shù)是一項(xiàng)復(fù)雜的聲源信號(hào)處理技術(shù)，其核心在于將混合的音頻信號(hào)中的各個(gè)元素（如人聲、樂(lè)器聲、環(huán)境聲等）分離開(kāi)，以便進(jìn)行單獨(dú)處理或分析。此過(guò)程通常涉及對(duì)音頻信號(hào)的深入解構(gòu)和精細(xì)操作，包括信號(hào)分解、特征提取、信號(hào)重建等多個(gè)步驟。

21世紀(jì)初，隨著深度學(xué)習(xí)技術(shù)的興起，音頻分離領(lǐng)域經(jīng)歷了一次革命性的飛躍，其技術(shù)實(shí)現(xiàn)路徑呈現(xiàn)出顯著的多元化趨勢(shì)。一方面，部分分離工具繼續(xù)深耕于傳統(tǒng)音頻處理技術(shù)的土壤，充分利用頻譜分析、濾波器等經(jīng)典方法；另一方面，在人工智能與機(jī)器學(xué)習(xí)技術(shù)的強(qiáng)力驅(qū)動(dòng)下，卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、變換器等一批深度學(xué)習(xí)模型被廣泛應(yīng)用于分離任務(wù)，這些模型通過(guò)自發(fā)學(xué)習(xí)音頻信號(hào)的特征和模式，實(shí)現(xiàn)更精確、高效的聲源分離。與此同時(shí)，算力提升和算法優(yōu)化也推動(dòng)實(shí)時(shí)音頻分離技術(shù)的發(fā)展，并使得該技術(shù)逐漸應(yīng)用于實(shí)時(shí)性要求高的場(chǎng)景，如語(yǔ)音交互、助聽(tīng)器等。此外，隨著技術(shù)的成熟和商業(yè)化進(jìn)程的推進(jìn)，音頻分離技術(shù)開(kāi)始廣泛應(yīng)用于音頻編輯、音樂(lè)制作、語(yǔ)音識(shí)別等領(lǐng)域。市場(chǎng)上涌現(xiàn)出了許多專業(yè)的音頻分離軟件和工具，進(jìn)一步滿足了創(chuàng)作者、專業(yè)人士及廣大消費(fèi)者對(duì)高質(zhì)量音頻處理的需求。

二、多元化分離應(yīng)用工具的繁榮共存

音樂(lè)作為一種普遍且復(fù)雜的音頻形式，包含了豐富的聲音元素和表達(dá)方式，也因此，“音樂(lè)作品中大多包含了來(lái)自不同聲源的各種聲音（如人聲、鼓聲、鋼琴聲），不同聲音在時(shí)間和頻率上都可能存在重疊”[3]。不同的樂(lè)器由于其獨(dú)特的發(fā)聲方式（如弦樂(lè)器的振動(dòng)弦、管樂(lè)器的空氣柱振動(dòng)、打擊樂(lè)器的直接敲擊等），會(huì)產(chǎn)生具有各自獨(dú)特光譜（即頻率分布）和時(shí)域（即時(shí)間上的變化特性）特性的聲音信號(hào)。當(dāng)這些樂(lè)器同時(shí)演奏時(shí)，它們的聲音會(huì)交織在一起，形成復(fù)雜的音樂(lè)信號(hào)?！耙魳?lè)信號(hào)具有較強(qiáng)的諧波譜結(jié)構(gòu)，這是它與其他音頻信號(hào)的一個(gè)突出區(qū)別。”也因此，特性成為音樂(lè)本質(zhì)的重要標(biāo)識(shí)。因而，在音頻分離的眾多應(yīng)用場(chǎng)景中，音樂(lè)分離占據(jù)了舉足輕重的地位，多種應(yīng)用工具隨之誕生并服務(wù)于音樂(lè)教育、音樂(lè)制作、音頻編輯等行業(yè)，音樂(lè)工作者成為音頻分離技術(shù)的主要獲益者。

音樂(lè)分離工具種類繁多，依據(jù)當(dāng)下技術(shù)發(fā)展趨勢(shì)，結(jié)合多樣化應(yīng)用場(chǎng)景，并考慮到不同用戶對(duì)音頻分離的需求程度各不相同，從以下角度對(duì)工具進(jìn)行歸類。

1．根據(jù)使用平臺(tái)的不同，可將音頻分離工具分為電腦端、移動(dòng)端和在線工具三種類型。前兩種可將其安裝于電腦、手機(jī)或平板等設(shè)備之后使用，如巴西音頻技術(shù)公司moises.ai開(kāi)發(fā)的Moises AI、愛(ài)爾蘭公司AudioSourceRE開(kāi)發(fā)的DeMIX Pro5.0、德國(guó)音頻軟件開(kāi)發(fā)公司Acon Digital的Acoustica7.5以及我國(guó)江下信息科技（惠州）有限公司開(kāi)發(fā)的金舟音頻人聲分離軟件等；值得一提的是，在電腦端中很多插件類分離工具因具有加載速度快、靈活、便攜等特點(diǎn)，會(huì)使得音頻處理過(guò)程更加流暢和高效，如美國(guó)音頻技術(shù)公司iZotope研發(fā)的RX10、德國(guó)Magix公司的Spectral Layers、愛(ài)爾蘭公司AudioSourceRE開(kāi)發(fā)的Repan等。在線工具是無(wú)需提前安裝程序直接登錄網(wǎng)址進(jìn)行分離，如LALAL.AI官網(wǎng)、Notta AI官網(wǎng)、PhonicMind官網(wǎng)等。在線音樂(lè)分離使用戶可在網(wǎng)絡(luò)支持下無(wú)需考慮系統(tǒng)、版本、格式的束縛，隨時(shí)隨地進(jìn)行分離音頻任務(wù)。

2．按分離技術(shù)原理的不同，有基于傳統(tǒng)信號(hào)處理的分離工具，如美國(guó)MathWorks公司出品的商業(yè)數(shù)學(xué)軟件MATLAB、Keysight Technologies公司開(kāi)發(fā)的信號(hào)處理軟件SystemVue等，均可進(jìn)行信號(hào)分析和測(cè)量、濾波器設(shè)計(jì)和分析，還可配合大型數(shù)據(jù)集來(lái)攝取、增強(qiáng)和標(biāo)注信號(hào)。也有基于深度學(xué)習(xí)模型對(duì)音頻信號(hào)進(jìn)行深度解構(gòu)和研習(xí)的工具，如法國(guó)Facebook公司開(kāi)發(fā)的音頻處理模型Demucs、法國(guó)公司Deezer開(kāi)發(fā)的Spleeter或由開(kāi)源社區(qū)成員開(kāi)發(fā)和維護(hù)的深度神經(jīng)網(wǎng)絡(luò)音頻處理工具Ultimate Vocal remover version5等。此類工具能夠更精準(zhǔn)地分離出音頻中指定聲部層次，隨著技術(shù)的不斷更迭，它們的分離精度和效率正在不斷提升，但使用時(shí)需掌握一定的技術(shù)和專業(yè)知識(shí)，包括模型選擇、音頻處理、機(jī)器語(yǔ)言等技能，對(duì)一些參數(shù)、指標(biāo)、配置做出正確的判定與部署，對(duì)操作者能力要求相對(duì)較高。

分離時(shí)可根據(jù)不同工具性能及特點(diǎn)，選擇專業(yè)級(jí)音頻處理工具或簡(jiǎn)單易用的在線工具，以滿足特定場(chǎng)景下的特殊需求。

三、音頻分離技術(shù)的應(yīng)用價(jià)值

音頻分離技術(shù)在音樂(lè)中的應(yīng)用價(jià)值體現(xiàn)在多個(gè)方面，其中以聽(tīng)覺(jué)訓(xùn)練、音樂(lè)編創(chuàng)、音頻修復(fù)三個(gè)領(lǐng)域中的實(shí)效意義最具代表。

（一）音頻分離技術(shù)加速聽(tīng)覺(jué)訓(xùn)練流程迭代

1．提升聽(tīng)覺(jué)辨識(shí)能力

利用音頻分離技術(shù)，可將復(fù)雜的混合音頻拆分成獨(dú)立的音頻軌聲源，不僅可從縱向上解構(gòu)多聲部音樂(lè)層次，還可從橫向上拉伸其速度，它就如同“音樂(lè)顯微鏡”般的存在，使聽(tīng)者能夠集中注意力于特定的“音樂(lè)細(xì)胞”，從而更好地理解和辨識(shí)各種音樂(lè)作品。同時(shí)，音頻分離為傳統(tǒng)聽(tīng)寫訓(xùn)練提供了更多、更廣闊、更深入、更便捷的教學(xué)空間，通過(guò)對(duì)比分離出的不同聲部，學(xué)生能夠更精準(zhǔn)地感知音樂(lè)細(xì)節(jié)變化和音樂(lè)情緒控制，以此提升整體音樂(lè)表現(xiàn)力。

2．拓展聽(tīng)覺(jué)訓(xùn)練材料的深度與廣度

傳統(tǒng)的練耳課程素材相對(duì)有限，大多通過(guò)教師對(duì)某音樂(lè)片段的部分截取，授課時(shí)采用鋼琴?gòu)椬嗷蜍浖鹨糨斎氲姆绞竭M(jìn)行重復(fù)、枯燥的單項(xiàng)練習(xí)，它側(cè)重于理論或技能的單項(xiàng)練習(xí)而忽略聽(tīng)覺(jué)實(shí)踐，其中的脫節(jié)問(wèn)題嚴(yán)重阻礙了學(xué)習(xí)熱情與教學(xué)創(chuàng)新。音頻分離技術(shù)的引入，可將大量不同風(fēng)格的音樂(lè)素材融入課程練習(xí)。一方面，擴(kuò)展了聽(tīng)覺(jué)訓(xùn)練素材的廣度和多樣性，另一方面，在提升課程趣味性的同時(shí)，還能使較復(fù)雜、較前沿的音樂(lè)材料直接用于當(dāng)下練習(xí)，使學(xué)生更愿意參與和投入訓(xùn)練中。此外，訓(xùn)練者還可選擇自己喜歡的音樂(lè)風(fēng)格進(jìn)行練習(xí)，進(jìn)一步激發(fā)他們的學(xué)習(xí)興趣。

3．促成個(gè)性化練耳教學(xué)與自適應(yīng)訓(xùn)練模式

一方面，教師可針對(duì)每個(gè)學(xué)習(xí)者需求和水平不同，定制個(gè)性化的聽(tīng)覺(jué)訓(xùn)練，為他們提供最適宜的訓(xùn)練素材和練習(xí)方式，極大拓寬了傳統(tǒng)聽(tīng)寫的訓(xùn)練空間，有助于形成一種直達(dá)、開(kāi)放且活態(tài)化的新型教學(xué)模式。另一方面，學(xué)生可以通過(guò)此技術(shù)進(jìn)行自主練習(xí)和操作，不僅有益于提高自我評(píng)估和調(diào)整能力，也培養(yǎng)了自主學(xué)習(xí)的習(xí)慣和動(dòng)力，鼓勵(lì)他們有效地接觸音樂(lè)多元化面貌，拓寬音樂(lè)思路。

（二）音頻分離技術(shù)為音樂(lè)編創(chuàng)注入源動(dòng)力

1．激活多元化創(chuàng)作靈感溯源

音頻分離技術(shù)有助于音樂(lè)創(chuàng)作者從現(xiàn)有作品中直接提取出特定的音軌或聲音材料，作為新的創(chuàng)作素材或背景。這種方法不僅為作曲者提供豐富的靈感來(lái)源，還能夠促使他們嘗試豐富各異的音樂(lè)風(fēng)格和手法，從而創(chuàng)作出更具獨(dú)特性和多樣性的音樂(lè)作品。

2．增強(qiáng)音樂(lè)重混和編配能力

在音樂(lè)編創(chuàng)過(guò)程中，可利用分離工具將原有作品提取出多個(gè)聲部進(jìn)行重新混音，并將不同樂(lè)器或節(jié)奏另行搭配，同時(shí)還可做音量、頻率、效果器等參數(shù)的調(diào)整和重設(shè)，創(chuàng)造出全新的音樂(lè)風(fēng)格和聽(tīng)覺(jué)效果，這種靈活性為音樂(lè)創(chuàng)作帶來(lái)了無(wú)限的可能性與兼容性。

3．提升音頻源素材管理效率

將復(fù)雜音頻分離后，分音軌可以添加更為精確的標(biāo)簽和元數(shù)據(jù)，如標(biāo)記具體風(fēng)格種類、樂(lè)器名稱、人聲特征、節(jié)奏類型等。詳細(xì)的數(shù)據(jù)庫(kù)分類管理可以提高音頻素材的檢索效率，便于作者簡(jiǎn)化編輯和處理流程，快速搜集到所需素材，從而能夠更好地組織和調(diào)取現(xiàn)有的音樂(lè)資源。

（三）音頻分離技術(shù)擢升音頻修復(fù)水平

1．精細(xì)化修復(fù)損壞音頻

音頻修復(fù)是音頻分離技術(shù)的一個(gè)重要應(yīng)用領(lǐng)域。通過(guò)分離音頻中的指定元素，可更精準(zhǔn)地定位受損部分，并對(duì)其進(jìn)行有針對(duì)性的還原和彌合。如提取錄音中出現(xiàn)的雜音和噪聲并將其去除、使用修復(fù)工具對(duì)音頻中的失真部分進(jìn)行修補(bǔ)，或使用音高和節(jié)奏修正工具，對(duì)分離出的音軌進(jìn)行細(xì)節(jié)調(diào)整，確保音高準(zhǔn)確和節(jié)奏穩(wěn)定等。這些精準(zhǔn)的音頻處理極大降低了影響到其他聲部的交叉干擾，使得效果更加干凈和自然。它對(duì)于復(fù)原歷史音頻資料、保護(hù)和傳承文化遺產(chǎn)具有重要意義。

2．大幅度提高音頻質(zhì)量

在音頻修復(fù)過(guò)程中，音頻分離技術(shù)不僅可修整損壞的部分音軌，還可提升整體音頻質(zhì)量。通過(guò)分離和增強(qiáng)某些聲源，進(jìn)行降噪、去回聲、調(diào)整音量平衡、頻響特性、立體聲寬度等操作，使得音質(zhì)更加前置且清晰、飽滿并圓潤(rùn)。對(duì)音樂(lè)制作人和音頻工程師而言，此技術(shù)為其提供了更加多樣化的音頻處理手段，提升最終復(fù)原作品質(zhì)量。

3．個(gè)性化定制音頻修復(fù)方案

每段音頻的修復(fù)需求和問(wèn)題各不相同，音頻分離技術(shù)可根據(jù)具體情況，制定出個(gè)性化的音頻修復(fù)方案。此過(guò)程多為機(jī)器自動(dòng)化處理，減少人工干預(yù)，凸顯其高效性；此技術(shù)適用于多種音頻類型和修復(fù)需求，也具有較高的靈活性；修復(fù)過(guò)程中通過(guò)不斷溝通，根據(jù)實(shí)時(shí)反饋可隨時(shí)進(jìn)行迭代優(yōu)化，還具備很強(qiáng)的互通性。

四、結(jié)束語(yǔ)

音頻分離技術(shù)作為聲音源處理領(lǐng)域的一項(xiàng)重大突破，其發(fā)展歷程見(jiàn)證了從基礎(chǔ)算法到深度學(xué)習(xí)等先進(jìn)技術(shù)的融合與演進(jìn)。這一技術(shù)的核心在于通過(guò)精密算法設(shè)計(jì)，實(shí)現(xiàn)對(duì)音頻信號(hào)中不同成分的精準(zhǔn)識(shí)別與剝離，為多個(gè)領(lǐng)域帶來(lái)了前所未有的變革。從原理方法上看，該技術(shù)依托于信號(hào)處理技術(shù)、機(jī)器學(xué)習(xí)算法及深度學(xué)習(xí)模型的不斷發(fā)展，實(shí)現(xiàn)了對(duì)音頻信號(hào)的高效解析與重構(gòu)。這些技術(shù)的結(jié)合，不僅提高了音頻分離的精度與效率，還賦予了音頻處理更多的智能化與個(gè)性化可能。從分類上看，音頻分離技術(shù)涵蓋了人聲分離、樂(lè)器分離、背景音樂(lè)與對(duì)話分離等多個(gè)維度，每種分類都針對(duì)特定的應(yīng)用場(chǎng)景進(jìn)行了優(yōu)化與更新，以滿足不同領(lǐng)域的需求，并共同構(gòu)建了音頻分離技術(shù)的多元生態(tài)。該技術(shù)在音樂(lè)領(lǐng)域中具有顯著的應(yīng)用價(jià)值。它不僅為聽(tīng)覺(jué)訓(xùn)練與作曲者拓展了資源寶庫(kù)，還極大地提升了音頻修復(fù)的制作質(zhì)量與效率。綜上，音頻分離技術(shù)以其獨(dú)特優(yōu)勢(shì)與廣泛的應(yīng)用前景，正逐步成為推動(dòng)音樂(lè)產(chǎn)業(yè)及音頻處理領(lǐng)域發(fā)展的重要力量。隨著研發(fā)力量的不斷注入，該技術(shù)將愈發(fā)智能化、瞬時(shí)化，并將在更多領(lǐng)域展現(xiàn)出其獨(dú)特的魅力與價(jià)值。

參考文獻(xiàn)：

[1]李偉，王鑫.音頻音樂(lè)與計(jì)算機(jī)的交融——音頻音樂(lè)技術(shù)2[M].上海：復(fù)旦大學(xué)出版社，2022.

[2]任薇.音頻分離技術(shù)在實(shí)際作品聽(tīng)覺(jué)訓(xùn)練中的探索與運(yùn)用[J].南京藝術(shù)學(xué)院學(xué)報(bào)（音樂(lè)與表演版），2024（05）：82-87.

[3]李偉，李子晉，邵曦.音頻音樂(lè)與計(jì)算機(jī)的交融——音頻音樂(lè)技術(shù)[M].上海：復(fù)旦大學(xué)出版社，2019.