[Kostenlos] Einführung von ParametricOD, das Pedaleffekte mithilfe der parametrischen Modellierungsfunktion von NAM detailliert reproduziert.

Wir stellen vor: ParametricOD, das Pedaleffekte mithilfe der parametrischen Modellierungsfunktion von NAM detailliert reproduziert.

ParametricOD ist ein Plug-in, das die zuvor eingeführte NeuralAmpModelerPlugin-Technologie (Neural Amp Model (NAM)) nutzt, um die Knopf- und Schalterbewegungen eines Overdrive-Pedaleffekts zu reproduzieren.

Die Hauptmerkmale sind wie folgt.

1. Über die Snapshot-Modellierung hinaus: ParametricOD kann die dynamischen Änderungen beim Bewegen physischer Schaltknöpfe und Schalter genau emulieren. Dies stellt die weitverbreitete Auffassung in Frage, dass neuronale Netzwerk-basierte Methoden* auf statische „Schnappschuss“-Modelle beschränkt seien.

2. Optimieren Sie die Datenerfassung: Behebt das Problem des „Fluchs der Dimensionalität“ bei der Erstellung von Multiparametermodellen und reduziert die erforderliche Datenmenge erheblich.

3. CPU-Effizienz: ParametricOD hat eine geringere CPU-Auslastung als viele Snapshot-Modelle, wodurch es für Benutzer ohne leistungsstarke Rechenressourcen zugänglicher ist.

4. Anpassbarkeit und Open-Source-Framework: Wir nutzen den Open-Source-Charakter von NAM, um die Modellarchitektur für die Pedalmodellierung anzupassen. Dies ist insbesondere für Entwickler und Audioingenieure interessant, die die Grenzen der digitalen Audioverarbeitung erkunden und erweitern möchten.

5. Inspiration und Ressourcen für die Community: Indem wir ParametricOD als kostenloses Plugin veröffentlichen und die Interaktion mit Menschen begrüßen, die daran interessiert sind, ihre eigenen parametrischen Modelle zu erstellen, tragen wir dazu bei, eine Community zu bilden, die den technologischen Fortschritt bei Gitarreneffekten fördert.

*Neural Capture von Neural DSP, Tone Modeling von TONEX, Smart Amp/Pedal Cloning von Headrush, ToneSnap von Tonocracy usw.

Sound-Demo

Zuerst schalte ich die Effekte aus und dann wieder ein.

あ とkHs ConvolverIch habe es später eingeschaltet und geglättet.

Obwohl dies nicht kostenlos ist, enthält es eine ganze Reihe von IRs und wird empfohlen.

概要

Heute veröffentlichen wir ParametricOD, ein Plug-in, das die parametrischen Modellierungsfunktionen von NAM nutzt, um ein genaues Modell eines Overdrive-Pedals über den gesamten Bereich der Knöpfe und Schalter des Pedals bereitzustellen.

Dieses Plugin ist ähnlich kompatibel mit dem Open-Source-Snapshot-Plugin („NAM-Plugin“, für viele Benutzer vielleicht auch nur „NAM“) und unterstützt die Formate VST3 und AU für macOS. Verfügbar in VST3 für Windows.

Dieses Plugin ist als „Konzept“-Plugin in dem Sinne gedacht, dass wir es verwenden möchten, um potenzielle Missverständnisse auszuräumen und bestehende Funktionen von NAM zu demonstrieren, die vielen Menschen möglicherweise nicht bekannt sind. :

NAM ist nicht nur ein „Schnappschuss“-Modellierer.
Seit dem ersten Erscheinen von NAM im Jahr 2019 sind im Gitarrenbereich eine Reihe datengesteuerter Modellierungsprodukte entstanden. Viele davon (Kempers Profiling, Neural Capture von Neural DSP, Tone Modeling von TONEX, Smart Amp/Pedal Cloning von Headrush, ToneSnap von Tonocracy) konzentrieren sich darauf, den Klang Ihrer Ausrüstung in einem einzigen „Schnappschuss“ zu emulieren, was den Eindruck erweckt, dass neuronale Methoden dies tun nicht in der Lage, die Auswirkungen der Bewegung tatsächlicher Schaltknöpfe und Schalter zu modellieren.

Dies ist jedoch nicht korrekt. Diejenigen, die mit NAM vertraut sind, erinnern sich vielleicht daran, dass ich damit ein parametrisches Modell mit 7 Knöpfen erstellt habe:

Außerdem ist NAM nicht das einzige Projekt, das diese Funktion ankündigt. Beispielsweise unterstützt Proteus von GuitarML „Knob Capture“. Ich hoffe jedoch, dass dieses Plugin dazu beitragen wird, das Bewusstsein für NAM zu schärfen und mehr Menschen dabei zu helfen, sein Potenzial kennenzulernen.

Für die parametrische Modellierung sind keine unvorstellbar großen Datenmengen erforderlich. Ein damit verbundenes Missverständnis besteht darin, dass es praktisch unmöglich ist, genügend Daten zu sammeln, um solche Modelle zu erstellen. Bei Modellen mit einem Knopf (z. B. dem „Drive“-Knopf) können Sie sich vorstellen, den Knopf in Schritten von 1 von 0 auf 10 zu bewegen. Mit einer Standard-Reamp-Datei, die ich für NAM vorbereitet habe, sollten Sie dies in weniger als einer Stunde erledigen können. Aber um dies mit zwei Knöpfen zu machen, müssten Sie alle Knopfkombinationen machen, und Sie könnten sich vorstellen, dass Sie 1 x 1 = 2 Reamps benötigen würden. Bei diesem Modell mit 11 Knöpfen und 11 Schaltern* bedeutet diese Logik, dass ich fast 121 Reamps durchgeführt und über 2 Stunden Audio aufgenommen habe.

Eine Möglichkeit, dies zu vermeiden, besteht darin, die Anzahl der Punkte zu reduzieren. Sie können die Anzahl der Punkte insgesamt um etwa das Vierfache reduzieren, indem Sie sie auf 1 Inkremente (1, 2, 0,2,4,6,8,10, 4, 1, 2) anstelle von 7 Inkrement ändern. Wenn es nur zwei Werte pro Knopf gibt (Minimum, Maximum), würde selbst das obige 100-Knopf-Modell über XNUMX Reampings erfordern (die Genauigkeit der Interpolation zwischen Extremwerten kann ziemlich fraglich sein) (Ich weiß es nicht! ). Diese Herausforderung hat einen Namen: „Fluch der Dimensionen“.

Dies ist ein so großes Problem, dass viel Forschung betrieben wird, um es zu lösen, wobei ein Großteil davon in den wissenschaftlichen Bereich des optimalen experimentellen Designs fällt. Die Details würden den Rahmen dieses Blogbeitrags sprengen, aber durch den Einsatz fortschrittlicher Techniken in diesem Bereich konnte ich meinen Zeitaufwand (einschließlich der Zeit, die ich mit dem Bewegen der Knöpfe zwischen den Reamps verbracht habe) auf etwas mehr als eine Stunde reduzieren. Intelligenter, weniger schwierig!

NAM ist von Natur aus nicht CPU-intensiv
Benutzer sollten beachten, dass die CPU-Auslastung dieses Plugins viel geringer ist als bei vielen Snapshot-Modellen. Dies wird durch die Verwendung einer leichteren neuronalen Netzwerkarchitektur erreicht, um CPU zu sparen und gleichzeitig eine Genauigkeit auf „NAM-Ebene“ zu erreichen.

NAM kann angepasst werden
Es ist sehr schwierig, auf etwas zu zeigen und zu sagen: „NAM kann das nicht.“ Dabei handelt es sich nicht nur um eine Schnappschuss-Modellierung, sondern gezielt um die Lösung jedes Problems. Neue Funktionen zur Datensatz- und Modellregistrierung verbessern diese Funktionalität zusätzlich. Wenn Sie Ihr Modell anpassen möchten, gehen Sie wie folgt vor! Ich habe dies verwendet, um die Modellarchitektur speziell für die Pedalmodellierung anzupassen (was auch benutzerdefinierten C++-Code erforderte, um das Modell im Plugin auszuführen). Das resultierende Neural Amp***-Modell basiert jedoch auf demselben Open-Source-Framework wie ein weit verbreitetes standardisiertes Tool, und ich konnte diese Anpassung vornehmen und schnell Ergebnisse auf „NAM-Ebene“ erhalten. Dies war dank Open Source möglich Repositories.

Fazit
Ich habe die beliebte Aussage gehört, dass „Capture keine Knöpfe modellieren kann“ oder, noch ermutigender, dass dies die „nächste Grenze“ sein wird. Es war für mich schwierig, sich zurechtzufinden, wie ich diese Funktion mit der Welt teilen kann, aber ich habe sie seit über einem Jahr und freue mich, sie endlich mit einem kostenlosen Plugin demonstrieren zu können. Der Zweck des NAM-Sharings bestand von Anfang an darin, Ressourcen bereitzustellen, die zur Weiterentwicklung der neuesten Gitarreneffekte und zur Schaffung von Kunst für Musiker genutzt werden können. Ich hoffe, dass durch die Verwendung dieses Plugins andere in diese Richtung folgen und weiterhin die Grenzen verschieben. Wenn Sie ernsthaft daran interessiert sind, Ihre eigenen parametrischen Modelle mit NAM zu erstellen, wenden Sie sich bitte an neuralampmodeler@gmail.com.

 

Formatieren

Herunterladen

Sie können es kostenlos herunterladen.

Gehen Sie zum Link oben, scrollen Sie nach unten und klicken Sie auf die Schaltfläche für das entsprechende Betriebssystem.

Installieren

Wenn Sie die heruntergeladene Datei entpacken, ist das Installationsprogramm enthalten, sodass Sie es durch einfache Installation verwenden können.