Разобрались в подходах к шумоподавлению и собрали несколько стендов для БОЛТУНа. Попробовали выделять свой голос через VoxLock, ускорили обработку с WASM до нативного ONNX Runtime и проверили нагрузку от нескольких пользователей. Рассказываем про замеры, неудачную калибровку и почему пока занялись более лёгкой обработкой пауз.
У iZotope есть плагины для вокала, сведения, мастеринга и реставрации записи. Снаружи они выглядят как отдельные продукты. Внутри обнаруживаются общие вычислительные узлы, интерфейсные механизмы и способы передачи параметров.
Я разобрал, как устроено это семейство: что связывает компрессоры Nectar и Neutron, зачем iZotope собственный интерфейсный движок Glass и где в обработке участвуют ML-модели. Отдельно проверил задержку компрессора Nectar: при 48 кГц сигнал сдвигается на 47 сэмплов даже при Mix 0%.
В статье покажу схемы, примеры C++ и результаты измерений. Заодно сравню эти решения с открытыми проектами и разберу, сколько работы скрывается за привычными ручками Attack, Release и Mix.
Певец держит одну ноту, а обработанный голос на мгновение перескакивает на октаву. Такое случается, когда плагин принимает сильную гармонику за основной тон. Чем быстрее коррекция, тем заметнее может стать этот промах.
Разберу, как Auto-Tune Artist 9.x и модуль Pitch из Nectar 4 определяют высоту и что делают с волной после выбора ноты. Здесь есть интересные различия: как удержать оценку на ровном звуке, прочитать запись между сэмплами, перенести фрагмент без щелчка. На этих деталях и остановлюсь.
Для начала возьмём одну вокальную дорожку. С хором или аккордом задача была бы другой. Небольшие функции на C++ покажут отдельные расчёты, а пример на Python можно запустить целиком: он меняет высоту звука, сохраняя длину записи.
В этой статье я расскажу, как устроена звуковая подсистема Nintendo Gameboy, с какими проблемами я столкнулся, пытаясь в реальном времени генерировать звук и синхронизировать с ним картинку. Статья является продолжением моей прошлой публикации.
В Apple M4 есть SME, расширение Arm для матричных вычислений. Я проверил, что оно даёт при обработке звука на коротких блоках.
На 65 536 резонаторах медианное время расчёта сократилось с 1,59 до 0,44 мс при буфере 64 сэмпла и частоте 48 кГц. Расскажу, как развернул колебания в матрицы и сравнил вычисления через NEON, Accelerate и SME.
Привет, Хабр! Почти все гитаристы любят ревербераторы, и почти все ревербераторы сто́ят дороже других педалей эффектов, за некоторыми исключениями. Одно из таких редких исключений мы сегодня рассмотрим и послушаем.
Речь пойдёт о компактной педали формата «Сникерс» под названием Mosky Spring Reverb.
Технический прогресс шагает по планете, меняя всё вокруг. Без малого сто лет назад он принёс нам электронные компьютеры, без которых немыслима нынешняя цивилизация. Конечно, за годы существования компьютеры сильно менялись. И они не только обзаводились новыми возможностями, но и что-то теряли в процессе. Один из их атрибутов, постепенно уходящий в прошлое — издаваемый при работе шум.
Старые компьютеры оснащались многими электромеханическими устройствами, формирующими незабываемую звуковую текстуру, сопутствующую работе вычислительной машины. Значительный вклад в неё вносили накопители данных на магнитных носителях: дисководы для гибких дисков и жёсткие диски, своим жужжанием и постукиванием создающие спонтанную электромеханическую симфонию.
Сегодня я расскажу об истории и практике использования этого побочного шума ушедшей эпохи в качестве осознанного музыкального инструмента, о моём новом музыкальном альбоме Floppy Beast, вся музыка на котором исполняется исключительно звуками работы обычных компьютерных дисководов, и о VST-синтезаторе Flopster, который я разработал для создания альбома.
Суть идеи в том, что я хотел получить очищенный русский перевод для фильмов, в которых изначально под озвучкой был слышен английский оригинал. При этом сохранить музыку, звуки и сам голос переводчика.
Это мой давний закидон. Два голоса одновременно мне сильно мешают погрузиться в кино. Понимаю, что большинство людей это вообще не беспокоит, но я, к сожалению, не из них.
В результате эксперимента получился DubClean — это сервис, который сопоставляет оригинальную дорожку и дорожку с русским закадровым переводом, выделяет речь, убирает английскую подложку и собирает результат с музыкой и эффектами. Внутри сервиса готовые модели, две небольшие собственные нейронки и несколько алгоритмических этапов. Ниже опишу, как сложилась эта схема и где у неё остались ограничения.
После первой статьи я собрал отзывы и готов показать переработанную программу — Partscaster. Кто‑то увидит её впервые, поэтому начну с того, что это, зачем и чем отличается от других.
Сайт с примерами «было/стало»: https://zazza.github.io/partscaster/, репозиторий: https://github.com/Zazza/partscaster.
Казалось бы, в чём связь между графикой и звуком?
Продолжая тему расчёта цифровых фильтров, постараемся дать ответ на этот вопрос.
Я снимаю короткие вертикальные ролики для соцсетей и долго собирал их руками в редакторе. Потом заметил, что правки повторяются: поменять слово в субтитре, подвинуть вставку на полсекунды, перекрасить титры. Каждая такая мелочь требовала открыть редактор и пересобрать ролик. Поэтому я написал на Python «станок»: он берёт файл-задание tz.json и собирает по нему ролик с помощью ffmpeg. Задание описывает, какие куски съёмки взять, какие реплики показать субтитрами, где поставить вставки и звуки.
Статья не про весь станок целиком (он вырос до нескольких тысяч строк), а про две вещи, которые мне оказались полезнее всего. Первая: как устроена сборка слоями с кэшем и почему секунды в задании считаются по исходной съёмке, а не по готовому ролику. Вторая: что станок проверяет после рендера, чтобы я не пересматривал каждый файл глазами с нуля. Код ниже взят из рабочих файлов, лишнее я убрал.
Хотелось Wispr Flow на Linux: нажал кнопку, сказал, текст вставился в любое поле. Рассказываю, как собрал плавающую кнопку диктовки на GTK, faster‑whisper и /dev/uinput под Wayland, и какие грабли нашлись по дороге: фокус, буфер обмена, хлопок микрофона и связанные регуляторы громкости.
Лазерные диски с музыкой до сих пор хранятся у многих, хотя слушать их зачастую уже не на чем. Ведь из компьютеров приводы давно убрали, а в машинах теперь сплошь беспроводная связь. Старые музыкальные центры тоже сохранились далеко не у всех. В общем, если вдруг появится желание послушать что-то с компакта, придется покупать плеер. И оказалось, что CD-плееры продолжают выпускать. Причем не старые модели, а новые, со всякими фичами.
Некоторые устройства выглядят почти так же, как аппараты из 90-х, хотя внутри многое изменилось: появился USB-C, подключение беспроводных наушников, копирование музыки на флешку и т. п. Давайте разберемся, что умеют нынешние CD-плееры и есть ли смысл покупать такой гаджет в 2026 году. Поехали!
Делаю игру по мотивам Dungeon Keeper. Пришло время взяться за озвучку, пришел к тому, что сделал все бесплатно за счет open source моделей. Для песни во вступительном ролике хватило аудиореференса и своего текста. Для фоновой музыки нужного характера пришлось дообучить ACE-Step — на домашней RTX 5060 Ti с 16 ГБ памяти. Показываю оба результата, параметры и время обучения, а также выбранные и забракованные звуки существ
Рассказываем про хакатон-проект за 6 часов: браузерное приложение, в котором можно набросать мелодию вручную, а затем развивать её с помощью промптов.
В статье предлагается метод создания свёрточных (конволюционных) фильтров для преобразования как многоканального, так и обычного стереоконтента в бинауральный звук или пространственное стерео.
Я делаю Blocturne, головоломку с блоками для Telegram. Механика знакомая по Block Blast: поле 8×8, три фигуры в лотке, собираешь ряды и столбцы. Сверху прикручен подсчёт как в Balatro: фишки умножаются на множитель, между раундами лавка с предметами. Но рассказать хочу про звук, потому что с ним я провозился дольше, чем со всем остальным.
Привет, Хабр! Результатом очередного электрогитарного обмена стало приобретение данного экземпляра, качество которого оказалось просто невероятно высоким для его ценовой категории.
В музыкальном мире поиски хороших недорогих инструментов и доступных путей их совершенствования стали моей миссией. Хочется, чтобы начинающие гитаристы не забрасывали своё прекрасное хобби и не тратили на него избыточные средства, а наслаждались творчеством.
Итак, сегодня вы увидете и услышите прекрасный вариант, который порадует не только новичка, но и практикующего музыканта.
Я провожу существенную часть рабочего дня на встречах и обсуждениях. Когда родился ребёнок и начались бессонные ночи, я стал упускать детали. Какой срок назвали? Кто обещал вернуться с ответом? О чём мы в итоге договорились?
Так началась история Рекордера. Сначала я собирался купить готовое приложение. Потом стал сравнивать Whisper, Parakeet и GigaAM. В итоге проверил 32 конфигурации распознавания и собрал каскад из двух моделей: одна даёт основу текста, другая исправляет неточности. На моих записях это исправило каждую пятую ошибку (WER упал с 27,0% до 21,7%).
Из экспериментов получилось бесплатное приложение для Mac, которое записывает встречи и переводит аудио и видео в текст локально. Расскажу, как выбирал модели, что измерял и какие очевидные решения не сработали.
В статье есть промт для агента, чтобы собрать всё самому.
Написал себе замену Volume2 для Windows 11: переключение звука, громкость и прогресс MPC-HC по горячим клавишам
Много лет пользовался Volume2: удобно переключать колонки и наушники хоткеем и крутить громкость с красивым оверлеем. Но на Windows 11 он у меня начал лагать: оверлей подтормаживает, клавиши срабатывают через раз, иногда приходится его перезапускать. Терпел-терпел и в итоге написал свою маленькую утилиту под свои задачи. Делал для себя, но вдруг кому-то тоже пригодится.
