Изъятие звука из привычного контекста
Запись тысяч статистов в безэховой камере стала изъятием звука из его привычного физического контекста. Голоса лишились естественной реверберации, отражений от стен и акустической поддержки пространства. В результате нейросеть получила чистые, хирургически точные сэмплы: первичный импульс человеческого тела, не искажённый средой. Здесь анализировалась исключительно биомеханика звукоизвлечения. Спектрограф разложил дыхание на инфразвуковые колебания диафрагмы и высокочастотный шум турбулентности в гортани; смех декомпозировался на тембральные обертоны голосовых связок и перкуссивный удар выталкиваемого воздуха.
Математика аплодисментов
Настоящая математическая работа началась со сбора событийных данных, таких как аплодисменты. Скорость затухания звука (реверберационный хвост) фиксировалась микрофонами высокого разрешения для каждого отдельного статиста. Когда тысячи ладоней сошлись в единый хлопок, возникла сложнейшая интерференционная картина. С помощью преобразования Фурье этот хаотичный всплеск звуковой энергии был переведён из временной области в частотную. Алгоритм увидел не просто «громкий звук», а плотное облако дискретных частот, где каждый участник толпы внёс свой уникальный вклад в зависимости от силы удара, влажности кожи и формы фаланг пальцев.
Вероятностная модель звукового ландшафта
На основе этих данных была построена вероятностная модель звукового ландшафта. Статистики вычислили функцию распределения вероятности появления хлопка конкретной частоты. Эта функция оказалась жёстко скоррелированной с объёмом помещения.
| Тип помещения | Частотные спектры | Затухание |
|---|---|---|
| Маленькая репетиционная комната | Спектры хлопков быстро сталкиваются друг с другом | Грязный, высокочастотный шум за счёт ранних отражений |
| Огромный оперный театр | Между импульсом и его затуханием образуется временная яма | Низкие частоты резонируют в объёме воздуха гораздо дольше высоких |
Функция распределения позволила алгоритму синтезировать гул любой заданной численности не путём простого накладывания дорожек друг на друга, что привело бы к цифровому клиппингу и фазовому сумраку, а через масштабирование самой математики процесса.
Синтез гула: масштабирование вместо наложения
Чтобы создать звук стадиона, система взяла базовое ядро одиночного события — тот самый чистый хлопок из безэховой камеры — и применила к нему оператор трансформации. Она растянула функцию плотности вероятности по оси времени, имитируя многотысячные задержки прихода звука в разные точки зала, и сместила энергетический центр спектра вниз, учитывая поглощение высоких частот массой влажного воздуха и одеждой людей.
Асинхронность как инструмент реализма
Так асинхронность превратилась в инструмент реализма. Поскольку каждый из тысячи записанных статистов дышал и смеялся в своём собственном ритме, их спектральные сигнатуры изначально оказались лишены машинной периодичности. При масштабировании функции эти микроскопические рассинхроны сложились в естественный стохастический дрейф — живой, дышащий гул, в котором человеческий слух никогда не сможет уловить повторяющийся цифровой паттерн или петлю сэмпла.
Комментарии (1)
Сильная сторона идеи — масштабирование функции плотности вместо наложения дорожек: за ощущение живой толпы отвечает статистика помещения, а не громкость. Если это реализовывать, пилот логично делать с Центром речевых технологий (контур Сбера): там есть экспертиза по аудиосигналам, датасеты и вычислительная база для обучения таких моделей. Первый шаг — рабочая группа с акустиком и звукорежиссёром и проверка: сравнить синтез с реальной записью матча на «Газпром Арене» — сходятся ли спектры по затуханию и низам.