การทำเพลงได้รับการแปลงเป็นดิจิทัลมากขึ้นที่นี่ในปี 2020 แต่เอฟเฟ็กต์เสียงอะนาล็อกบางส่วนยังคงทำได้ยากในลักษณะนี้ หนึ่งในเอฟเฟ็กต์เหล่านั้นคือการบิดเบือนเสียงกีตาร์ที่ร้องเสียงแหลมซึ่งเป็นที่โปรดปรานของเทพเจ้าร็อคทุกแห่ง จนถึงขณะนี้ เอฟเฟ็กต์เหล่านี้ซึ่งเกี่ยวข้องกับแอมพลิฟายเออร์กีตาร์ แทบจะเป็นไปไม่ได้เลยที่จะสร้างใหม่ในรูปแบบดิจิทัล
ตอนนี้สิ่งนี้เปลี่ยนไปแล้วด้วยผลงานของนักวิจัยในภาควิชาการประมวลผลสัญญาณและเสียงที่มหาวิทยาลัย Aalto ของฟินแลนด์ พวกเขาใช้ปัญญาประดิษฐ์การเรียนรู้เชิงลึก (A.I.) เพื่อสร้างโครงข่ายประสาทเทียมสำหรับกีตาร์ การสร้างแบบจำลองการบิดเบือนที่สามารถหลอกผู้ฟังแบบ blind test ให้คิดว่าเป็นของแท้ได้เป็นครั้งแรก บทความ. คิดเหมือนก การทดสอบทัวริง, เหวี่ยง ไปจนถึงสไตล์Spınal Tap 11.
วิดีโอแนะนำ
“เป็นความเชื่อโดยทั่วไปของนักวิจัยด้านเสียงมานานหลายทศวรรษว่าการเลียนแบบเสียงที่บิดเบี้ยวของแอมป์กีต้าร์แบบหลอดได้อย่างแม่นยำนั้นเป็นสิ่งที่ท้าทายมาก” ศาสตราจารย์ เวสา วาลิมากี บอกกับ Digital Trends “เหตุผลหนึ่งก็คือการบิดเบือนนั้นเกี่ยวข้องกับพฤติกรรมไม่เชิงเส้นแบบไดนามิก ซึ่งเป็นที่รู้กันว่ายากที่จะจำลองแม้แต่ในทางทฤษฎี อีกเหตุผลหนึ่งอาจเป็นเพราะเสียงกีตาร์ที่บิดเบี้ยวมักจะค่อนข้างโดดเด่นในดนตรี ดังนั้นจึงเป็นเรื่องยากที่จะซ่อนปัญหาใดๆ ไว้ตรงนั้น ความไม่ถูกต้องทั้งหมดจะเห็นได้ชัดเจนมาก”
ในการฝึกโครงข่ายประสาทเทียมเพื่อสร้างเอฟเฟกต์การบิดเบือนที่หลากหลาย สิ่งที่คุณต้องทำก็แค่เสียงที่บันทึกจากแอมพลิฟายเออร์เป้าหมายเพียงไม่กี่นาที นักวิจัยใช้เสียงที่ “สะอาด” ที่บันทึกจากกีตาร์ไฟฟ้าใน ห้องเสียงสะท้อนแล้ววิ่งผ่านเครื่องขยายเสียง ซึ่งให้ทั้งอินพุตในรูปแบบของเสียงกีต้าร์ที่ไม่มีตำหนิ และเอาต์พุตในรูปแบบของเอาต์พุตแอมป์กีต้าร์ "เป้าหมาย" ที่สอดคล้องกัน
“การฝึกอบรมทำได้โดยการป้อนเสียงกีต้าร์ที่ชัดเจนให้กับโครงข่ายประสาทเทียม และเปรียบเทียบเอาต์พุตของเครือข่ายกับ เอาต์พุตแอมพลิฟายเออร์ 'เป้าหมาย'” Alec Wright นักศึกษาปริญญาเอกที่เน้นการประมวลผลเสียงโดยใช้การเรียนรู้เชิงลึกบอกกับ Digital Trends “การเปรียบเทียบนี้ทำใน 'ฟังก์ชันการสูญเสีย' ซึ่งเป็นเพียงสมการที่แสดงว่าไกลแค่ไหน เอาต์พุตโครงข่ายประสาทเทียมมาจากเอาต์พุตเป้าหมาย หรือการคาดการณ์ของแบบจำลองเครือข่ายประสาทนั้น 'ผิด' อย่างไร เคยเป็น. กุญแจสำคัญคือกระบวนการที่เรียกว่า 'การไล่ระดับสี' ซึ่งคุณคำนวณวิธีปรับโครงข่ายประสาทเทียม พารามิเตอร์เล็กน้อยมาก เพื่อให้การทำนายของโครงข่ายประสาทเทียมอยู่ใกล้กับแอมพลิฟายเออร์เป้าหมายเล็กน้อย เอาท์พุท จากนั้นกระบวนการนี้จะถูกทำซ้ำหลายพันครั้ง หรือบางครั้งก็มากกว่านั้น จนกว่าเอาต์พุตของโครงข่ายประสาทเทียมจะหยุดปรับปรุง”
คุณสามารถดูการสาธิต A.I. ดำเนินการได้ที่ research.spa.aalto.fi/สิ่งพิมพ์/เอกสาร/applsci-ลึก/. กระดาษอธิบายการทำงานคือ ซึ่งตีพิมพ์เมื่อเร็วๆ นี้ในวารสาร Applied Sciences.
คำแนะนำของบรรณาธิการ
- ภาพลวงตาสามารถช่วยให้เราสร้าง AI รุ่นต่อไปได้
- อะนาล็อกเอไอ? ฟังดูบ้าบอ แต่อาจจะเป็นอนาคตก็ได้
- A.I. ล่าสุดของ Nvidia ผลลัพธ์พิสูจน์ได้ว่า ARM พร้อมสำหรับศูนย์ข้อมูลแล้ว
- Nvidia ลดอุปสรรคในการเข้าสู่ A.I. พร้อมด้วย Fleet Command และ LaunchPad
- สามารถเอไอ เอาชนะวิศวกรมนุษย์ในการออกแบบไมโครชิปได้หรือ? Google คิดเช่นนั้น
อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร
