Mūzikas audio rekonstrukcija, izmantojot mašīnmācīšanos

Abstract

Ņemot vērā to, cik bieži ikdienā sastopamies ar mūziku, kura tiek atskaņota no digitāla audio ieraksta, ir svarīgi, lai šie audio ieraksti ir labā kvalitātē, lai tos būtu patīkami klausīties. Taču dažkārt mums ir pieejams tikai salīdzinoši zemas kvalitātes audio ieraksts. Darbā pētīts, vai, izmantojot mašīnmācīšanos, iespējams uzlabot mūzikas audio ierakstu kvalitāti, palielinot šo ierakstu datu bitu dziļumu. Darba praktiskajā daļā aprakstīts neironu tīkls, kurš cenšas risināt doto problēmu. Neironu tīkls tika apmācīts, un no neironu tīkla tika iegūti apstrādāti audio ieraksti. Pēc iegūtajiem rezultātiem secināts, ka neizdevās būtiski uzlabot doto mūzikas audio ierakstu kvalitāti, taču tiek piedāvātas vairākas idejas, kā doto risinājumu varētu uzlabot nākotnē.

Given how often we encounter music in our daily lives which is played from digital recordings, it is important that these audio recordings are of good quality so that they’re pleasant to listen to. However, sometimes we only have access to a copy of an audio recording of low quality. The paper studies whether or not it is possible to improve the quality of such audio recordings by increasing the bit depth of the data in the recordings by using machine learning. A neural network that attempts to solve this problem is described in this paper. The neural network was trained, and processed audio recordings were obtained from it. Given the obtained results, it is concluded that there were no significant improvements in the audio quality, however, several ideas are proposed which could improve the proposed solution in the future.