L-Acoustics DJ是为艺术家提供表达自身创意的工具

音频源分离是将混合音频分离为其各个组成部分的过程。这在音乐制作、体验创作、语音增强、源分离、去混响以及作为声音事件检测的预处理步骤中都很有用。音乐源分离（MSS）——也称为解混, 提供了对音频的强大控制，允许精确调整音轨内各元素的平衡。这意味着您可以让人声更响亮、抑制不需要的声音、改变乐器的空间位置、从独立部分创建循环、实现基于对象的混音，甚至将双通道立体声录音转化为多通道环绕声体验。近年来，利用深度学习进行MSS引起了相当大的兴趣，并显著提升了分离质量。这些研究将MSS 建模为一个监督学习问题，其中构成成分（例如人声、鼓和贝斯）是预先已知的。然而，这些模型的计算成本和延迟通常很高，使得它们适用于离线任务和录音室制作，但无法满足实时、低延迟场景的需求。

我们在低延迟音频处理领域的研究持续深入，其中一项核心技术——仅19毫秒延迟的音频源分离实现了重大突破，可显著增强专业音频的多个方面，解锁一系列曾被认为无法实现的声音应用与解决方案。这一性能通过独特的训练流程达成，使L-Acoustics DJ区别于近期备受瞩目的生成式人工智能方法。不同于那些需要处理复杂内容获取和使用问题的模型，我们的方法采用了一种名为HS-TasNet的混合神经网络架构。该架构结合了两条并行处理路径：一条通过传统频域分析处理频谱特征，另一条则直接处理原始波形数据。

Scott Sugden 在2025年L-Acoustics主题演讲活动上介绍新工具

L-Acoustics DJ仅基于声学特性而非音乐内容，学习识别区分鼓组与贝斯、人声与其他元素的数学特征。这一区别至关重要：我们的网络训练基于声音分离的基本物理原理，而非复制现有音乐作品。算法根据频谱特征学习识别并隔离不同乐器类型，本质上是在学习识别各类声源的独特声学“指纹”。这使得它能够在无需预先了解特定内容的情况下，处理任意音乐素材。

然而，真正的技术挑战在于在现场音乐环境中以极低延迟实现这种复杂的分离。传统方法要么处理时间过长，要么引入可闻失真。我们的混合方法在仅19毫秒的处理延迟下，实现了4.65的信噪失真比，足以满足现场表演需求。其中一个核心原则是尽可能忠实于原始信号：分离后的声源重新组合后，内容和质量完全一致。

L-Acoustics DJ是“创意赋能”工具而非“创意替代”工具，这一关键区别定义了其核心价值。我们为艺术家提供表达创意的新工具，而非自动化创意过程本身。L-Acoustics DJ并非生成式AI，它不会从现有作品中创作新的音乐内容。相反，它为艺术家提供了操作和呈现其原创作品的新方式，且仅处理他们拥有所有权或使用权的音频素材。该技术不会学习、复制或重组受版权保护的作品，而是为艺术家提供了操作自有音频素材的新技术能力。

可将这项技术视为革命性的新型调音台或音频效果处理器。这些工具并非取代艺术家，而是拓展了艺术家通过自身素材可实现的艺术边界。至关重要的是，创意所有权完全归属于艺术家，他们可以将整个物理空间视为动态乐器来构思和利用。想象一下：DJ实时将标准立体声音轨中的各个元素布置在3D环境中——贝斯线扫过场地，不同区域之间回荡着复杂的呼应效果，音乐元素逐渐包裹观众，营造出紧张感。这些不仅是技术改进，更是全新的艺术表现形式。正如电吉他催生了前所未有的音乐流派，实时空间音频操作可能激发我们尚未想象的艺术运动。

关键在于拓展艺术家的创作调色板，而非限制它。当创意专业人士获得新技术能力时，他们总能发现我们未曾预见的应用。最令人兴奋的可能性或许源自人类创造力与技术增强的交汇点。当艺术家能够实时操控复杂音频源时，沉浸式、交互式音乐体验的全新形态将成为可能。

www.l-acoustics.com