【無料】NAMのパラメトリック・モデリング機能を使ってペダルエフェクトを細部まで再現したのParametricODの紹介

NAMのパラメトリック・モデリング機能を使ってペダルエフェクトを細部まで再現したのParametricODの紹介

NAMのパラメトリック・モデリング機能を使ってペダルエフェクトを細部まで再現したのParametricODの紹介

ParametricODは以前ご紹介したNeuralAmpModelerPluginの技術（Neural Amp Model（NAM））を使ってオーバードライブペダルエフェクトのノブとスイッチの動きまで再現したプラグインです。

主な特徴は以下の通りです。

スナップショットモデリングを超えて: ParametricODは、物理的なギアのノブやスイッチを動かす際の動的な変化を正確にエミュレートすることができます。これは、ニューラルネットワークベースの方法※が静的な「スナップショット」モデルに限定されるという一般的な認識に挑戦します。
データ収集の効率化: 多パラメータモデルの作成における「次元の呪い」問題に対処し、必要なデータ量を大幅に削減しています。
CPU効率: ParametricODは多くのスナップショットモデルよりもCPU使用率が低いため、高性能なコンピューティングリソースを持たないユーザーにもアクセスしやすいです。
カスタマイズ可能性とオープンソースフレームワーク: NAMのオープンソース性質を活用し、ペダルモデリングのためのモデルアーキテクチャをカスタマイズしています。これは、デジタルオーディオ処理の境界を探求し拡張することに興味のある開発者やオーディオエンジニアにとって特に興味深い点です。
コミュニティへのインスピレーションとリソース: ParametricODを無料プラグインとしてリリースし、自分自身のパラメトリックモデルを構築することに興味がある人々との交流を歓迎することで、ギターエフェクトの技術進歩を促進するコミュニティの形成を支援しています。

※Neural DSPのNeural Capture、TONEXのTone Modeling、HeadrushのSmart amp/pedal cloning、TonocracyのToneSnap等

音デモ

最初はエフェクOFFでそのあONにしています。

あとkHs ConvolverをあとからONにしてならしています。

これは無料では無いですが、かなり色々なIRが収録されていておすすめです。

概要

今日、NAMのパラメトリック・モデリング機能を使って、ペダルのノブとスイッチの全範囲にわたって正確なオーバードライブ・ペダルのモデルを提供するプラグイン、ParametricODをリリースするよ。

このプラグインは、オープンソースのスナップショット・プラグイン（多くのユーザーにとっては “NAMプラグイン”、あるいは単に “NAM “かもしれない）と同様の互換性を持ち、macOS用のVST3とAUフォーマット、Windows用のVST3で利用できる。

このプラグインは、潜在的な誤解に対処し、多くの人に知られていないかもしれないNAMの既存の機能を実証するために使いたいという意味で、”コンセプト “プラグインとして意図されています：

NAMは単なる「スナップショット」モデラーではない。
NAMが2019年に初めて登場して以来、ギター・スペースでは多くのデータ駆動型モデリング製品が登場してきた。その多く（Kemperのプロファイリング、Neural DSPのNeural Capture、TONEXのTone Modeling、HeadrushのSmart amp/pedal cloning、TonocracyのToneSnap）は、1回の “スナップショット “でギアのトーンをエミュレートすることに重点を置いており、ニューラル手法は実際のギアのノブやスイッチを動かした効果をモデリングする能力がないという印象につながっている。

しかし、これは正確ではない。NAMに詳しい人なら、私がNAMを使って7ノブのパラメトリック・モデルを作ったことを思い出していただけるかもしれません：

また、この機能を発表しているプロジェクトはNAMだけではない。例えば、GuitarMLのProteusは “ノブ・キャプチャー “をサポートしています。しかし、このプラグインがNAMの認知度を高めることで、どんな可能性があるのかをより多くの人に知ってもらう一助になればと願っています。

パラメトリック・モデリングは不可能な量のデータを必要としないそれに関連した誤解として、このようなモデルを作るのに十分なデータを集めるのは実質的に不可能だというものがあります。ノブ1つのモデル（例えば “drive “ノブ）の場合、ノブを0から10まで1刻みでスイープさせることが想像できます。私がNAM用に用意した標準的なリアンプ・ファイルを使えば、1時間以内でできるでしょう。しかし、2つのノブでこれを行うには、ノブのすべての組み合わせを行う必要があり、11×11=121のリアンプが必要になると想像されるかもしれない。2つのノブと2つのスイッチ*を持つこのモデルの場合、このロジックでは、私はほぼ500回のリアンプを行い、24時間以上のオーディオを録音したことになります。

これを回避する1つの方法は、ポイント数を減らすことだ。1刻みではなく、2刻み（0,2,4,6,8,10）にして、ポイント数を全体で約4倍減らすことができる。ノブ1つにつき2つの値（最小値、最大値）しかない場合、上記の7ノブ・モデルでも100回以上のリアンピングが必要になります（極端な値の間を補間する精度はかなり怪しいかもしれません！）。この課題には「次元の呪い」という名前があります。

これは本当に大きな問題なので、これを解決するために多くの研究が行われており、その大部分は最適実験計画という科学的な分野に分類されている。詳細はこのブログ記事の範囲外だが、この分野の高度な手法を使うことで、私が費やした時間（リアンプ間でノブを動かす時間も含む）を1時間強に短縮することができたということだ。よりスマートに、難しくなく！

NAMは本質的にCPU負荷が高くない
ユーザーは、このプラグインのCPU負荷が、多くのスナップショットモデルで経験するよりもはるかに低いことに気づくはずだ。これは、”NAMレベル “の精度を達成しながらCPUを節約するために、より軽量なニューラルネットワークアーキテクチャを使用することで実現しました。

NAMはカスタマイズ可能
何かを指して「NAMはそれができない」と主張するのは非常に難しい。スナップショット・モデリングにとどまらず、あらゆる問題を解決するために意図的に設定された方法で作られているのだ。最近のデータセットとモデルの登録機能は、この機能をさらに強化するためのものだ。モデルをカスタマイズしたいのであれば、ここに方法がある！私はこれを利用して、ペダルモデリング専用にモデル・アーキテクチャをカスタマイズした（これには、プラグインでモデルを実行するためのカスタムC++コードも必要だった）。しかし、出来上がったNeural Amp*** Modelは、広く使われている標準化されたツールと同じオープンソースのフレームワークに基づいており、私がこのカスタマイズを行い、「NAMレベル」の結果を素早く得ることができたのは、オープンソースのリポジトリのおかげだった。

結論
「キャプチャはノブをモデリングできない」、あるいはもっと励みになるのは、これが “次のフロンティア “になるだろうという、よく言われるセリフを聞いたことがある。この機能をどのように世界と共有するか、私にとっては難しいナビゲートだったが、1年以上前から持っていたので、ついにフリーのプラグインで実証できてうれしい。当初から、NAMを共有する目的は、ギター・エフェクトの最先端と、ミュージシャンが芸術を創作するために使用できるものを進歩させるために使用できるリソースを提供することでした。このプラグインを使うことで、他の人たちがこの方向性を追いかけ、限界を押し広げ続けてくれることを願っている。NAMを使って独自のパラメトリック・モデルを作ることに真剣に興味がある方は、neuralampmodeler@gmail.com。