Исследовательская программа
GRAIN
Guided Reconstruction of Audio Information and Nuance — управляемое восстановление аудиоинформации и нюансов. GRAIN исследует, как сделать MP3 и AAC менее плоскими и искусственными: смягчить цифровые артефакты, сделать атаки чётче, пространство глубже, а тихие детали естественнее прямо во время воспроизведения.
Понять, как это работаетGRAIN простыми словами
Умная реставрация музыки во время прослушивания
Представьте качественную фотографию, которую сильно уменьшили, чтобы она занимала меньше места. Сюжет сохранился, но тонкие линии, мягкие переходы и глубина стали грубее. Примерно так работает сжатие музыки в MP3 и AAC: песня остаётся узнаваемой, но часть её тонкой звуковой структуры может пострадать.
GRAIN создаётся для работы именно с такими потерями. Он будет слушать музыку короткими фрагментами, находить места, где сжатие оставило слышимый след, и аккуратно улучшать только их, сохраняя основу записи.
Чётче атаки
Удары барабанов, щипки струн и согласные в голосе меньше размываются.
Чище верх
Тарелки, воздух и высокочастотные детали звучат мягче и менее металлически.
Глубже пространство
Тихие отражения, хвосты реверберации и разделение инструментов воспринимаются естественнее.
Бережнее к оригиналу
Если участок уже звучит хорошо или система не уверена, обработка ослабляется либо не вмешивается.
Что увидит пользователь
Включил, настроил силу, сразу сравнил
GRAIN задуман не как сложная студийная программа. В плеере это будет понятный режим с управлением силой обработки и мгновенным сравнением с оригиналом. Музыку не придётся заранее конвертировать или ждать завершения обработки.
- 1
Анализ
Система определяет следы сжатия и оценивает, где вмешательство действительно нужно.
- 2
Коррекция
Измеримые артефакты смягчаются без изменения самой мелодии и исполнительского замысла.
- 3
Реконструкция
В повреждённых местах строятся правдоподобные детали на основе сохранившегося музыкального контекста.
- 4
Контроль
Чем ниже уверенность системы, тем ближе результат остаётся к исходному файлу.
GRAIN не подменяет музыку новой записью. Он сохраняет то, что уцелело в файле, и строит наиболее естественное продолжение повреждённых деталей. Это не точная копия потерянного студийного мастера, а контролируемая реставрация, которую мы обязаны подтвердить измерениями и слепыми прослушиваниями.
Исходная задача
Слышать музыку плотнее, чище и живее
Форматы с потерями уменьшают размер файла, отбрасывая часть информации и упрощая спектральную и временную структуру. На сложном материале это может проявляться размытыми атаками, металлическими призвуками, ослабленным пространством и бедной высокочастотной текстурой.
GRAIN рассматривает эти признаки не как одну проблему, а как набор отдельных задач. Для каждой нужен свой анализ, свой алгоритм и отдельная проверка.
Архитектура исследования
Пять направлений одной системы
Анализ артефактов
Поиск спектральных провалов, предэха, размытой атаки и нестабильной текстуры, характерных для конкретного кодирования.
Транзиенты
Восстановление формы коротких ударов барабанов, струн и согласных звуков без лишней резкости.
Спектральное продолжение
Синтез правдоподобной верхней структуры из гармоник и контекста, когда исходный диапазон был ограничен.
Пространство и текстура
Стабилизация фоновых деталей, хвостов реверберации и микродинамики, создающих ощущение объёма.
Контроль уверенности
Алгоритм должен понимать, где его оценка надёжна, а где лучше сохранить исходный сигнал без вмешательства.
Путь к реальному времени
Шесть этапов до появления в плеере
- 01
Эталонный корпус
Пары из lossless-оригинала и его MP3/AAC-копий разных битрейтов, жанров и сложности.
- 02
Карта повреждений
Измерение спектральной ошибки, транзиентов, шума кодирования и изменений стереообраза.
- 03
Классический DSP
Быстрые базовые алгоритмы, которые дают понятный результат и становятся контрольной точкой для нейросети.
- 04
Компактная модель
Нейросеть обучается на коротких фрагментах и работает с ограниченной задержкой и памятью.
- 05
Слабый Android
Нагрузка, нагрев, батарея и устойчивость проверяются на доступном старом телефоне, а не только на рабочей станции.
- 06
Слепое прослушивание
Исходник и обработка сравниваются при одинаковой громкости. В релиз проходит только результат, который устойчиво предпочитают слушатели.
Что считается доказательством
Красивый спектр недостаточен
GRAIN будет оцениваться одновременно по измерениям и по слуху. Важны снижение артефактов, сохранение транзиентов, отсутствие перегрузки, задержка, нагрузка процессора и стабильность длительного воспроизведения.
Воссозданные детали будут обозначаться как оценка модели. Цель программы - получить убедительное и полезное звучание, сохраняя прозрачность того, что было передано файлом, а что построено алгоритмом.
Текущий статус
Фундамент построен и уже работает в плеере
В июле 2026 года лаборатория определила правила проверки, архитектуру общего DSP-ядра и математический фундамент параметрических фильтров. В августе этот фундамент вышел из лаборатории: собственный DSP-движок с true-peak лимитером работает в публичной версии 1.0.64 и обслуживает полноэкранный параметрический эквалайзер — измеренная точность фильтров 0,0000 дБ, перегрузок нет по построению.
Для GRAIN это главное доказательство серьёзности программы: потоковая математика проверена в бою. Впереди — корпус эталонных пар для первой гипотезы GRAIN и слепые прослушивания при одинаковой громкости. Сама реставрация остаётся исследованием и попадёт в плеер только после испытаний.