Artifact Perception in Algorithms for Audio Time Stretching
2025 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE credits
Student thesisAlternative title
Uppfattning av artefakter i algoritmer för tidsskaleändringar av ljud (Swedish)
Abstract [en]
This study explores user preferences and perceptions regarding algorithms used for time-scale modification (TSM) of audio. While features for adjusting playback speed are widely available in media players, the underlying algorithms and their differences are often not well understood by everyday users. Given that different TSM algorithms can produce vastly different audio artifacts, we investigate whether non-expert users exhibit consistent preferences or can articulate qualitative opinions about the results produced by different algorithms. Our findings may be relevant for software developers faced with a selection of audio stretching algorithms, as understanding user perception of algorithmic artifacts can inform design decisions. Drawing on previous research in TSM techniques and methods for qualitative and quantitative analysis, we provide context for the causes of TSM-related artifacts and use it to interpret user preferences. We conducted a within-subjects study with 29 participants, who evaluated four TSM algorithms across 16 test conditions, which were combinations of audio types and playback speeds. Rankings were analyzed using the Friedman test and aligned rank transform ANOVA to assess the statistical significance of algorithm preferences. Additionally, participants provided qualitative feedback describing their listening strategies and perceptions. Results indicate strong agreement among participants on the best-performing algorithm within each tested condition. While no single algorithm consistently outperformed the others across all scenarios, playback rate and audio type significantly influenced which algorithm was preferred. Despite this variability, participants largely converged in their rankings for most conditions. The qualitative analysis revealed recurring themes in artifact perception, including a dislike of fluttering, phasiness and lack of clarity.
Abstract [sv]
Denna studie undersöker användarpreferenser och uppfattningar kring algoritmer som används för ändringar i tidsskalan (TSM) av ljud. Funktioner för att justera uppspelningshastighet är vitt tillgängliga i mediaspelare, men de underliggande algoritmerna och deras skillnader är ofta inte väl förstådda av gemene användare. Eftersom olika TSM-algoritmer kan producera mycket olika ljudartefakter, undersöker vi huruvida icke-experter uppvisar konsekventa preferenser eller kan formulera kvalitativa åsikter om resultaten som fås av olika algoritmer. Våra resultat kan vara relevanta för mjukvaruutvecklare som står inför valet av algoritm för tidsskaleändringar för ljud, eftersom förståelse för hur användare uppfattar artefakter kan stödja beslut i designprocessen. Med utgångspunkt i tidigare forskning om TSM-tekniker och metoder för kvalitativ och kvantitativ analys, presenterar vi orsakerna till TSM-relaterade artefakter och använder denna kunskap för att tolka användarpreferenser. Vi genomförde en inomgruppsstudie med 29 deltagare, som utvärderade fyra TSM-algoritmer över 16 testförhållanden, som utgjordes av kombinationer av ljudtyper och uppspelningshastigheter. Rankningarna analyserades med hjälp av Friedmantestet och aligned rank transform ANOVA för att undersöka statistisk signifikans i algoritmpreferenser. Deltagarna gav även kvalitativ återkoppling där de beskrev sina lyssningsstrategier och upplevelser. Resultaten visar på stark enighet bland deltagarna om vilken algoritm som presterade bäst för varje testförhållande. Ingen enskild algoritm presterade konsekvent bäst i alla scenarier, utan uppspelningshastighet och ljudtyp hade en stor påverkan på vilken algoritm som föredrogs. Trots denna variation tenderade deltagarna att vara överens i sina rankningar i de flesta fall. Den kvalitativa analysen visade återkommande teman i uppfattningen av artefakter, där ogillande av hackighet, “phasing”-fenomen, samt en brist på klarhet i ljudet var vanliga.
Place, publisher, year, edition, pages
2025. , p. 11
Series
TRITA-EECS-EX ; 2025:172
Keywords [en]
Audio; Perception; Time-Scale Modification; Time Warping; Pitch Shifting; Listening; Sound Manipulation; Sound Artifacts; Playback Speed
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-367574OAI: oai:DiVA.org:kth-367574DiVA, id: diva2:1985503
Supervisors
Examiners
2025-07-292025-07-242025-07-29Bibliographically approved