Bassman 56F真空管放大器,即。是的,神经网络可以到达从未有过的地方。现在正式让您惊奇的是,您可以想像一下神经网络要做的事情。
我们真的不需要争论发烧友的倾向就可以同意经典的真空管放大器听起来不同。它们可能不是那么好,更不是以正确的方式是坏的。如果您想听起来像他们,什么是做这项工作的最佳方法?
您可以构建硬件,因为许多硬件都需要付出很大的代价并且麻烦。面对现实吧,真空管从来都不容易使用,将手指放在错误的位置会给人留下深刻的印象。最明显的事情是对响应进行建模,方法是构建一个仿真器以匹配输出特性,或者通过分析电路并实现一些数字滤波器来完成工作。但是,典型的电子管电路的复杂非线性动力学很难建模。
那么,为什么不让神经网络学习声音呢?
在Fender Bassman 56F信贷技术大学内部。
我们需要的只是传递函数,它将输入原始信号更改为听起来像放大器的输出。这是神经网络应该能够学习的东西。这就是芬兰阿尔托大学的Eero-Pekka Damskagg,Lauri Juvela,Etienne Thuillier和Vesa Valimaki决定尝试的方法。
该网络基于WaveNet模型并进行了修改:
训练网络以给定一组过去的样本来预测当前的输出样本。具有讽刺意味的是,培训数据是由Fender放大器的SPICE模型生成的。当然,SPICE模型无法实时生成信号。
这样有效吗?
您可以将某些热三极管减小到一组神经网络系数吗?
看来可以。
我们的测试表明,深度神经网络可以典型的音频采样率实时运行。我们的听力测试结果表明,提出的深度卷积体系结构优于最新的黑盒模型。因此,您可能不需要昂贵的电子管来获得真实的声音。
似乎几乎是可耻的。
我想知道他们是否将网络系数提高到11?
郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。