[Gratis] Introductie van ParametricOD, dat pedaaleffecten in detail reproduceert met behulp van de parametrische modelleringsfunctie van NAM.

Introductie van ParametricOD, dat pedaaleffecten in detail reproduceert met behulp van de parametrische modelleringsfunctie van NAM.

ParametricOD is een plug-in die de eerder geïntroduceerde NeuralAmpModelerPlugin-technologie (Neural Amp Model (NAM)) gebruikt om de knop- en schakelbewegingen van een overdrive-pedaaleffect te reproduceren.

De belangrijkste kenmerken zijn als volgt.

1. Verder dan snapshot-modellering: ParametricOD kan de dynamische veranderingen nauwkeurig emuleren bij het verplaatsen van fysieke versnellingsknoppen en schakelaars. Dit daagt de algemene perceptie uit dat op neurale netwerken gebaseerde methoden* beperkt zijn tot statische ‘snapshot’-modellen.

2. Stroomlijn de gegevensverzameling: Pakt het probleem van de "vloek van de dimensionaliteit" aan bij het maken van multiparametermodellen en vermindert de benodigde hoeveelheid gegevens aanzienlijk.

3. CPU-efficiëntie: ParametricOD heeft een lager CPU-gebruik dan veel snapshot-modellen, waardoor het toegankelijker is voor gebruikers zonder krachtige computerbronnen.

4. Aanpasbaarheid en open source-framework: We maken gebruik van het open source-karakter van NAM om de modelarchitectuur voor pedaalmodellering aan te passen. Dit is van bijzonder belang voor ontwikkelaars en audiotechnici die geïnteresseerd zijn in het verkennen en verleggen van de grenzen van digitale audioverwerking.

5. Inspiratie en middelen voor de gemeenschap: Door ParametricOD uit te brengen als een gratis plug-in en interactie te verwelkomen met mensen die geïnteresseerd zijn in het bouwen van hun eigen parametrische modellen, helpen we een gemeenschap te vormen die technologische vooruitgang op het gebied van gitaareffecten bevordert.

*Neural DSP's Neural Capture, TONEX's Tone Modeling, Headrush's Smart amp/pedal cloning, Tonocracy's ToneSnap, etc.

Geluidsdemo

Eerst schakel ik de effecten uit en vervolgens weer in.

iets anderskHs-convolverIk heb het later aangezet en gladgestreken.

Hoewel dit niet gratis is, bevat het een behoorlijk aantal IR's en wordt het aanbevolen.

概要

Vandaag brengen we ParametricOD uit, een plug-in die de parametrische modelleringsmogelijkheden van NAM gebruikt om een ​​nauwkeurig model van een overdrive-pedaal te bieden over het hele bereik van de knoppen en schakelaars van het pedaal.

Deze plug-in is vergelijkbaar met de open source snapshot-plug-in (“NAM-plug-in”, of misschien gewoon “NAM” voor veel gebruikers), en ondersteunt VST3- en AU-formaten voor macOS. Beschikbaar in VST3 voor Windows.

Deze plug-in is bedoeld als een "concept"-plug-in in de zin dat we hem willen gebruiken om mogelijke misvattingen aan te pakken en bestaande functies van NAM te demonstreren die bij veel mensen misschien niet bekend zijn.:

NAM is niet zomaar een ‘snapshot’-modelbouwer.
Sinds NAM voor het eerst verscheen in 2019 zijn er een aantal datagestuurde modelleringsproducten verschenen in de gitaarwereld. Velen van hen (Kemper's Profiling, Neural DSP's Neural Capture, TONEX's Tone Modeling, Headrush's Smart amp/pedal cloning, Tonocracy's ToneSnap) richten zich op het emuleren van de toon van je apparatuur in een enkele "snapshot". niet in staat om de effecten van het verplaatsen van daadwerkelijke versnellingsknoppen en schakelaars te modelleren.

Dit is echter niet accuraat. Degenen die bekend zijn met NAM herinneren zich misschien dat ik het gebruikte om een ​​parametrisch model met 7 knoppen te maken:

Bovendien is NAM niet het enige project dat deze functie aankondigt. GuitarML's Proteus ondersteunt bijvoorbeeld "knob capture". Ik hoop echter dat deze plug-in de bekendheid van NAM zal helpen vergroten en meer mensen zal helpen de mogelijkheden ervan te leren kennen.

Voor parametrisch modelleren zijn geen onmogelijke hoeveelheden gegevens nodig. Een hiermee samenhangende misvatting is dat het vrijwel onmogelijk is om voldoende gegevens te verzamelen om dergelijke modellen te maken. Voor modellen met één knop (bijvoorbeeld de “drive”-knop), kunt u zich voorstellen dat u de knop in stappen van 1 van 0 naar 10 beweegt. Met behulp van een standaard reamp-bestand dat ik voor NAM heb voorbereid, zou je dit in minder dan een uur moeten kunnen doen. Maar om dit met twee knoppen te doen, zou je alle combinaties van knoppen moeten doen, en je zou je kunnen voorstellen dat je 1 x 1 = 2 versterkers nodig hebt. Voor dit model met 11 knoppen en 11 schakelaars* betekent deze logica dat ik bijna 121 versterkers heb gedaan en meer dan 2 uur aan audio heb opgenomen.

Een manier om dit te voorkomen is door het aantal punten te verminderen. U kunt het aantal punten in totaal ongeveer 1 keer verminderen door het te wijzigen in 1 stappen (2, 0,2,4,6,8,10, 4, 1, 2, 7) in plaats van 100 stap. Als er slechts twee waarden per knop zijn (minimaal, maximaal), zou zelfs het bovenstaande model met XNUMX knoppen meer dan XNUMX herampings nodig hebben (de nauwkeurigheid van het interpoleren tussen extreme waarden kan nogal twijfelachtig zijn) (ik weet het niet! ). Deze uitdaging heeft een naam: "Curse of Dimensions."

Dit is zo'n groot probleem dat er veel onderzoek wordt gedaan om het op te lossen, waarvan een groot deel valt op het wetenschappelijke gebied van optimaal experimenteel ontwerp. De details vallen buiten het bestek van deze blogpost, maar door geavanceerde technieken op dit gebied te gebruiken, kon ik de tijd die ik besteedde (inclusief de tijd die ik besteedde aan het verplaatsen van de knoppen tussen de versterkers) terugbrengen tot iets meer dan een uur. Slimmer, minder moeilijk!

NAM is niet inherent CPU-intensief
Gebruikers zouden moeten merken dat de CPU-belasting van deze plug-in veel lager is dan ze ervaren bij veel snapshot-modellen. Dit wordt bereikt door een lichtere neurale netwerkarchitectuur te gebruiken om CPU te besparen en tegelijkertijd nauwkeurigheid op NAM-niveau te bereiken.

NAM kan op maat gemaakt worden
Het is heel lastig om iets aan te wijzen en te zeggen: “Dat kan de NAM niet.” Het is niet alleen maar snapshot-modellering; het is doelbewust ontworpen om elk probleem op te lossen. Recente dataset- en modelregistratiemogelijkheden verbeteren deze functionaliteit verder. Als u uw model wilt aanpassen, gaat u als volgt te werk! Ik heb dit gebruikt om de modelarchitectuur specifiek aan te passen voor pedaalmodellering (waarvoor ook aangepaste C++-code nodig was om het model in de plug-in uit te voeren). Het resulterende Neural Amp*** Model is echter gebaseerd op hetzelfde open source-framework als een veelgebruikte gestandaardiseerde tool, en ik kon deze aanpassing doorvoeren en snel resultaten op NAM-niveau verkrijgen. Dit was mogelijk dankzij open source opslagplaatsen.

结论
Ik heb de populaire zin gehoord dat "Capture geen knoppen kan modelleren" of, nog bemoedigender, dat dit de "volgende grens" zal zijn. Het was moeilijk voor mij om te bepalen hoe ik deze functie met de wereld kon delen, maar ik heb hem al meer dan een jaar, dus ik ben blij om hem eindelijk te demonstreren met een gratis plug-in. Vanaf het begin is het doel van het delen van NAM geweest om middelen te verschaffen die kunnen worden gebruikt om de allernieuwste gitaareffecten te bevorderen en wat muzikanten kunnen gebruiken om kunst te creëren. Ik hoop dat door het gebruik van deze plug-in anderen deze richting zullen volgen en de grenzen zullen blijven verleggen. Als u serieus geïnteresseerd bent in het maken van uw eigen parametrische modellen met behulp van NAM, neem dan contact op met neuralampmodeler@gmail.com.

 

Formaat

ダウンロード

Je kunt het gratis downloaden.

Ga naar de bovenstaande link, scroll naar beneden en klik op de knop voor het juiste besturingssysteem.

Installatie

Wanneer u het gedownloade bestand uitpakt, wordt het installatieprogramma meegeleverd, zodat u het kunt gebruiken door het eenvoudigweg te installeren.