户外声音采集/摄像器材录音助手:舒尔 LensHopper VP83 枪式电容麦克风评测

现代与复古的华尔兹:TK Audio TK-Lizer 2 母带级立体声均衡器评测

成年人也要做选择:如何从 Auto-Tune 全家桶里找到适合自己的 Auto-Tune 修音神器?

节日礼物福利:NI 官方首个 KONTAKT 民乐音源扬琴,限时免费领取

Steinberg 发布 Nuendo 11:树立专业音频领域的黄金标准


「模拟 / 电子」之争,会因为机器学习而「停停」吗?

分享到微信朋友圈

· 官方新闻稿 发布于 2020-11-17

如果你对科技还算感兴趣,那么你应当对于近年来备受瞩目的机器学习(Machine Learning)技术有所耳闻。从交通警报到实时翻译,AI 人工智能正在涉足各个领域并迅速地将产业链解构重组。

 

如果你对科技还算感兴趣,那么你应当对于近年来备受瞩目的机器学习(Machine Learning)技术有所耳闻。从交通警报到实时翻译,AI 人工智能正在涉足各个领域并迅速地将产业链解构重组。

然而在音乐创作的领域中,人们似乎对于这种新科技的全面革新始终保持着一种拒绝的态度。如今很多(尤其是原本作为吉他手)的音乐制作人们都对 Analog(模拟/类比)与 Digital(数字)之间的角逐各持己见,尽管市面上已经充斥着大量的 Digital 版本的 Analog 软件。许多设备控常常抱怨,相比他们手中货真价实的硬件,这些硬件的数字版本基本上都不能做出硬件本身的那种温暖、有个性的音色。

然而由软件工程师 Boris Kuznetsov, Fabian Esqueda 以及 Julian Parker 联合构建的智能电路建模技术(Intelligent Circuit Modeling,后文简称为 ICM )向人们展示出了不同于以上这两个阵营的全新技术。通过训练虚拟神经网络,ICM 能够制造出一套算法来模拟硬件的内部运行细节

最近发布的 GUITAR RIG 6 PRO 概述了 Bass Invader, Chicago, 以及 Fire Breather ,它们是首批通过新技术研发出的放大器。因此我们联系到了他们的开发团队希望能了解到更多细节。

 


THE PAST / 过去

为了能够完整的感受到 ICM 科技的特别之处,我们需要将目光回溯到更传统的的电路建模方式。我们可以粗略地将其分成两大类,“黑匣子”与“白匣子”。

对此,Julian 解释说:“黑匣子电路建模理念是让你只去考虑 输入端(Input)和 输出端(Output),而不是把精力放在两者之间。” 你的目标是去尽可能地复刻出硬件原本的音色,而不需要去担心硬件内部的工作原理。 

Fabian 补充到:“你或许会想到在 Amp(放大器)软件中构建一些近似的元素,比如将 PreAmp(前置放大器),或者是一些 Tube Distortion(电子管失真) 以及滤波器插件结合,来模仿放大器中的电路结构。但问题在于,你并不能完整地模仿其内部元件相互作用时的方式。”

在一个硬件放大器中,所有的音高控制元件、电子管、以及其他部件之间的物理关系是每个硬件都有属于自己独特音色的关键。而这些物理关系会基于输入的声音以及不同的控制设定持续地变化和改变。想要复刻出这种物理关系的细节变化是非常困难的,这意味着一些关键的声音元素或许会丢失。


 

而白匣子建模则是截然不同的,” Julian 继续说道。“这就要把精力完全放在复刻硬件内部的运作过程上,而这需要你对机械背后的运作原理有很深层次的理解。但是如果要完整制作一个传统的吉他放大器的模拟电路,需要大量精细的工作。这甚至需要几个月的时间。”

Fabian 进一步指出,理论和图表并不能完全体现出硬件设备的音色。“甚至是当你已经算出所有的数值以及用于设计这个放大器的具体公式,但是依然不能完整的展示出这个硬件的声音。两个相同款式并且型号也一样的硬件模拟合成器都会有属于自己的声音,即使它们出于同一设计。这就是硬件的魅力所在。

Julian 解释道:“如果是电子管的话,它们的数学模型并不一定准确。”

无论是用哪种方法,你都无法完美复刻在传统方式下制作出来的电路模型的音色,而这才是“模拟”设备的独特之处。由此一来,智能电路模型大展身手的时候到了。

 


THE PRESENT/ 现在

“在 2017 年末,ICM 开始进行第一次的项目开发,当时我们正在制作来自 CRUSH PACK 效果器系列中的 DIRT 。” Julian 解释道。“电路建模的过程其实是受到了在制作 DIRT 效果器时用到的一个很巧妙的数学公式的启发,并且在当时我们无法直接演算。通常为了继续推进进度,我们必须进行迭代。换句话说,为这个难题做出一个合理的猜想,然后不断重构这个猜想直到发现一些有用的东西。因此我们就想出了一个方法,通过训练一个机器学习系统来帮我们完成这件事。”

“之后我们便开发出了一个为公式建模的技术,最终发展成了为整个电路建模,” Fabian 继续说道。“在这一节点我们意识到这是一个非常革新的技术,所以我们决定正式发表这项技术并与注册专利。”

在 2019 年 9 月,团队正式在英国伯明翰举行的第 22 届 Digital Audio Effects 国际会议上发布了这项技术。

在这里你可以看到他们关于这项技术的学术论文 (⚠️硬核数学警告):
http://dafx2019.bcu.ac.uk/papers/DAFx2019_paper_42.pdf 

最初,这项学术研究的重心主要专注于复刻合成器滤波以及一些失真单元。但自从 GUITAR RIG 6 PRO 的项目启动后,这个新技术就被理所当然地用在了吉他放大器上。

随着这个项目继续进展至 2020 年,其进程也或多或少地受到了 COVID-19 的影响,于是 Boris 便在自己的公寓中搭建了实验室,将自己的生活空间 “贡献” 给了电子管、电容器、电线以及各种小零件和一些经典的吉他放大器硬件,好让研究能够继续进行。

“在那段时间里,Boris 真的是我们的英雄,” Fabian 说道。“在我们都被禁足的时候,他独自一人做了大量的测量,如果没有他,我们不可能在预计的发布时间内完成这个项目。”

 

Boris 接下来解释了其中的一些具体过程:“你可以把它想成地图上的 A 点到 B 点。你知道自己的起点以及你想去的地方,但是你并不确定在这个旅途中需要经过的地点。这就和一个放大器的输入和输出一样,我们需要在其中的很多交点(被叫做 “States”)上做电子测量,这些 States 有点像那些在地图上的隐藏点,它们代表着这个电子系统中,所有我们需要知道的动态点。

“我们将探针以及一些测量设备放入到高电压的放大器中来收集海量的数据,其中包含了输入,输出以及 State 数据,” Fabian 补充道。“一旦我们完成了测量,就可以把这些数据交给由我们设计的人工智能神经网络了。因为我们已经知道这些测量会产生一个确定的输出数据,这样一来软件就能够由此找到一个对应的算法来匹配这些数据。这一切都是从猜想开始的,尽管最初的猜想都是错误的,我们将其不断推翻重演,然后慢慢推进。最终我们会找到一个合理的解决方案,然后才会为放大器建模。”

 

现在我们的团队可以在极短的时间内同时处理数千种可行的解决方案,这都要归功于当今高速的图像处理单元。神经网络需要用几个星期才能算出每个放大器的最终算法,因为在这方面的工作量其实是巨大的。被当作工具来使用的机器学习其实在上世纪 50 年代就开始开发了,但直到最近几年市面上的电脑配置才能够运行这项技术。

Fabian 解释道:“ 尽管这几年已经有很多关于复刻模拟(Analog)电路的研究,但机器学习则是在最近才成为这个领域中的重大话题,所以对这我们来说也算是天时地利人和了。”

所以 ICM 到底是如何影响放大器的声音的呢?Julian 接下了这个最重要的问题:“老式的建模技术仍然需要额外的调试来确保音色的准确性。而机器学习系统的算法是非常精准的,这让我们不需要再去做额外的调试。这是两者最大的不同之处。”

“事实上,神经网络系统会采集一个放大器中很多我们不会注意到的声音细节,”他补充道。“我们甚至观测到了一些我们复刻的放大器中的”故障“,比如在一些确定频段上的返送(Feedback),这是在硬件放大器上才会出现的问题。我们根本无法被刻意地设计出来这种效果,而在现实中,成百上千的相似“不完美”之处都会通过算法捕捉到

就如 Julian 观察到的那样,硬件设备的迷人之处就在于那些无法预测的声音细节

“当一个设备通过有趣的操作发出了它并不应该发出的声音,这才是最令人激动的时刻。”

换句话说,ICM 做出了硬件设备的那种甘美的温暖感,具有侵略性的冲击感以及独特的摩擦感。并且我们还对经典吉他放大器的声音有更多期待,然后将其在一个前所未有的准确度下重塑。

 


THE FUTURE 未来

GUITAR RIG 6 PRO 现已正式发布,其中包含了三个全新的通过 ICM 建模的放大器,但这个项目并不仅仅于此,这只是一个全新的高品质复刻系列的开端。

“由于我们不用再自己进行调试和计算,因此我们可以在运行神经网络的同时测量更多其他的放大器和电路,”Fabian 说道:“这意味着相比之前,我们可以将更多放大器的制作计划加入到日程表中,这对 GUITAR RIG 6 PRO 的用户来说是一件激动人心的事情。”

“同样我们不会只局限于制作吉他放大器,” Julian 透露道。“我们目前正在制作一个新的放大器,但在这之后我们或许会着手研制一些失真踏板效果器,后面我们会逐步开始涉足合成器滤波,压缩器,EQ,Preamps,以及任何好听的设备。”

在这之后,ICM 也不会局限在机器学习的框架内。尽管它对于将硬件模拟设备数字化的效率已经大幅提高,而团队开发出的这一基本理论原则也可以被应用到很多其他的领域中。Fabian 说出了自己对于未来的展望:“这仅仅是一个开始。我们在开发这项技术的同时也收获了很多技巧和知识。在未来我们会将这个技术应用到更多 NI 的产品中。”

 

翻译/ 瀚生
编辑/ Shana

 

 了解更多关于 GUITAR RIG 6 PRO 

视频|归来的王者,Guitar Rig 6 Pro 与新技术

 

想要体验 GUITAR RIG 6 PRO?
我们为您准备了功能完全的
「免费试用版」
每次可使用 30 分钟!

在浏览器中打开下文链接
或点击 "阅读原文" 即可跳转官网

https://www.native-instruments.com/zh/products/komplete/guitar/guitar-rig-6-pro/downloads/ 

 

关于 Native Instruments

Native Instruments(NI)是音乐创作行业的创新领导企业。NI 迎合了各种背景的音乐创作者,包括制作人,表演者和DJ。其完善的连接软硬件系统生态系统内包含有广受欢迎的品牌 KOMPLETE、MASCHINE、TRAKTOR,以及音乐服务网站 Sounds.com、The Loop Loft 和 Metapop。

公司总部坐落于柏林创意中心的心脏地带,其在全球七个办事处拥有 600 +名员工。

https://www.native-instruments.com

 


文章出处 https://mp.weixin.qq.com/s/gti0FmcWf5ioG3cDc7FNYg

转载新闻请注明出自 Midifan.com

暂无评论

添加评论