Beyond SDR: How Music Source Separation Reshapes Rhythm-Relevant Signal Properties

Разделённые дорожки всё чаще служат не для сведения музыки, а как измерительный материал для анализа ритма и динамики. Работа показывает, что высокий SI-SDR надёжно сохраняет положение атак, но почти ничего не говорит о форме переходного процесса и огибающей, от которых зависит воспринимаемый момент удара.

Метод. Четыре открытых разделителя разных поколений — Spleeter, HT-Demucs, BS-Roformer и SCNet-XL — проверены на 50 композициях MUSDB18-HQ с истинными дорожками. Помимо SDR автор измеряет F-меру обнаружения атак, наклон атаки и восемь признаков динамической огибающей. На 20 композициях один и тот же отрывок дополнительно обрабатывается при четырёх длинах окружающего контекста.

Результаты. F-мера атак коррелирует с SI-SDR с коэффициентом Спирмена 0,62, а искажения формы — лишь с |ρ| не выше 0,29. BS-Roformer лидирует по SI-SDR с 11,88 дБ, однако искажает наклон барабанной атаки более чем вдвое сильнее SCNet-XL: 1,33 против 0,64. Длина входа почти не меняет положения атак, но меняет их форму; для BS-Roformer дрейф наклона выше, чем для SCNet-XL, на 13 из 20 дорожек, p=0,044.

Ограничения. Исследование измеряет сигнал, а не восприятие слушателей, и не связывает найденные искажения с фактическим сдвигом перцептивного центра. Проверены только четыре модели, барабанная дорожка одного набора и небольшой опыт с длиной входа, поэтому выводы о других инструментах и современных разделителях требуют проверки.

Фишка из статьи. Ранжирование по SDR меняется на противоположное, если исследователю важна не реконструкция в среднем, а форма удара.

Как это читать: разница SI-SDR между BS-Roformer и SCNet-XL составляет всего 0,14 дБ, зато второй вдвое точнее сохраняет наклон атаки. Даже старый Spleeter хуже всех по SDR, но меньше HT-Demucs искажает динамический профиль; выбор разделителя становится частью методики измерения.