Улучшение звука AI-музыки Suno и Udio

Обычные улучшалки звука (эквалайзер + компрессор + шумоподавитель) предполагают, что вход — это «чистый сигнал плюс аддитивный шум». AI-музыка содержит структурные кодек-артефакты, нарушающие это предположение — стандартная обработка может их усилить. Этот инструмент использует другой подход: модель, обученную именно на восстановлении codec-артефактов.

Apollo — нейросеть, представленная на конференции ICASSP 2025 (Li et al., «Apollo: Band-sequence Modeling for High-Quality Audio Restoration»). Обучена восстанавливать MP3-сжатую музыку — конкретно MP3 в диапазоне 24-128 кбит/с — к lossless-качеству. Та же архитектура хорошо переносится на нейро-кодек артефакты из бесплатного SUNO и других генераторов с низким битрейтом.

Apollo обучен на музыке. Для чистки речи (интервью, подкасты) используйте наши инструменты Audio Enhancer или Voice Enhancer — они нацелены на речевые шумы.

Почти целиком от его длины: модель идёт по песне от начала до конца и на каждую секунду звука тратит одинаково. Трёхминутная песня восстанавливается примерно за полминуты на современном телефоне и быстрее на компьютере. Чего это время не меняет — так это степень повреждения: сильно сжатый экспорт и почти чистый обойдутся одинаково, потому что сеть в любом случае смотрит на каждый участок.

На сильно сжатой музыке в обучающем диапазоне Apollo — это бесплатный SUNO в MP3 (номинально 128 кбит/с, по факту часто измеряется выше как VBR), старые MP3 из интернета на 96–128 кбит/с и MP3-экспорты Riffusion. Близкие к прозрачному материалы выиграют меньше: бесплатный Udio уже отдаёт 320 кбит/с MP3, SUNO Pro — 320 кбит/с или WAV, а авторы отдельно отмечают, что выше 128 кбит/с модель не проверяли. Учтите также, что у SUNO есть спектральный потолок ~16 кГц, заложенный обучающими данными, — восстановление верх не достроит. Lossless-входы (FLAC, WAV из DAW) выиграют мало; сильно повреждённый материал (клиппинг, выпадения) — тоже вне обучающей выборки, попробуйте сначала инструмент восстановления аудио.

Нет. Восстановление выполняется ONNX-моделью прямо в вашем браузере — аудио декодируется и инференсится JavaScript на странице. Мы логируем анонимные события производительности (время загрузки модели, длительность инференса), как и для любого тула Timbrica, — см. Политику конфиденциальности. Сам аудиоконтент в эту телеметрию не попадает.

Да. Профиль артефактов у нейросетевых аудио-кодеков схож — Apollo справляется со всеми. Лучшие результаты на той же категории искажений, на которой он обучен (MP3-стиль codec loss).

Не в MP3 снова, если этого можно избежать. Весь смысл прогона был в том, чтобы отменить сделанное MP3-сжатием, а сохранение результата обратно в формат с потерями сразу тратит часть возвращённого. WAV или FLAC сохраняют его целиком — для дальнейшей работы или для архива; экспорт с потерями осмыслен только в самом конце цепочки, когда файл идёт прямо слушателю и больше его никто не тронет.