2020 年、音楽制作のデジタル化はますます進んでいますが、一部のアナログ オーディオ エフェクトはこの方法で再現することが依然として非常に困難です。 それらのエフェクトの 1 つは、世界中のロックの神様が好む、金切り声をあげるようなギター ディストーションです。 これまで、ギターアンプを使用したこれらのエフェクトをデジタルで再現することはほぼ不可能でした。
フィンランドのアアルト大学の信号処理および音響学部の研究者の取り組みのおかげで、この状況は変わりました。 深層学習人工知能 (A.I.) を使用して、ギター用のニューラル ネットワークを作成しました。 初めてブラインドテストのリスナーを騙して本物だと思わせるディストーションモデリング 記事。 次のように考えてください チューリングテスト、クランク スパイナルタップスタイル11まで.
おすすめ動画
「真空管ギターアンプの歪んだサウンドを正確に模倣するのは非常に難しいというのが、何十年もオーディオ研究者の一般的な考えでした。」 ヴェサ・ヴァリマキ教授 とデジタルトレンドに語った。 「理由の 1 つは、歪みが動的非線形挙動に関連しているためであり、理論的にもシミュレートするのが難しいことが知られています。 もう 1 つの理由は、歪んだギター サウンドは通常、音楽の中で非常に目立つため、そこに問題があることを隠すのが難しいように見えることです。 すべての不正確さは非常に目立つでしょう。」
ニューラル ネットワークをトレーニングしてさまざまな歪み効果を再現するために必要なのは、ターゲットのアンプから録音された数分間のオーディオだけです。 研究者らは、エレキギターから録音した「クリーンな」オーディオを使用しました。 電波暗室、それをアンプに通しました。 これにより、傷のないギターサウンドの形式での入力と、対応する「ターゲット」ギターアンプ出力の形式での出力の両方が提供されました。
「トレーニングは、クリーンなギターオーディオの短いセグメントをニューラルネットワークに供給し、ネットワークの出力を 「ターゲット」アンプ出力」とディープラーニングを使用したオーディオ処理に焦点を当てた博士課程の学生、アレック・ライト氏はデジタル・トレンドに語った。 「この比較は、「損失関数」で行われます。これは、単純に、どれだけの距離が離れているかを表す式です。 ニューラル ネットワーク出力がターゲット出力からのものであるか、ニューラル ネットワーク モデルの予測がどの程度「間違っているか」 だった。 重要なのは、ニューラル ネットワークの調整方法を計算する「勾配降下法」と呼ばれるプロセスです。 パラメータをわずかに調整することで、ニューラル ネットワークの予測がターゲット アンプの予測にわずかに近づきます。 出力。 その後、ニューラル ネットワークの出力の改善が止まるまで、このプロセスが何千回、場合によってはそれ以上繰り返されます。」
AI のデモをチェックすることができます。 Research.spa.aalto.fi/ で活動中出版物/論文/アプリケーション深い/。 その仕事を説明した論文は、 最近応用科学誌に掲載されました.
編集者のおすすめ
- 目の錯覚は次世代の AI の構築に役立つ可能性がある
- アナログAI？ クレイジーに聞こえるかもしれないが、それは未来かもしれない
- Nvidia の最新の A.I. 結果は、ARM がデータセンターに対応できることを証明しています
- Nvidia は AI への参入障壁を下げます。 フリートコマンドとLaunchPadを使用
- A.I.はできますか？ マイクロチップの設計において人間のエンジニアに勝てるでしょうか？ Googleはそう考えている
ライフスタイルをアップグレードするDigital Trends は、読者が最新ニュース、楽しい製品レビュー、洞察力に富んだ社説、ユニークなスニーク ピークをすべて提供して、ペースの速いテクノロジーの世界を監視するのに役立ちます。
