[Бесплатно] Представляем ParametricOD, который детально воспроизводит эффекты педалей с помощью функции параметрического моделирования NAM.

Представляем ParametricOD, который детально воспроизводит эффекты педалей с помощью функции параметрического моделирования NAM.

ParametricOD — это плагин, который использует ранее представленную технологию NeuralAmpModelerPlugin (Neural Amp Model (NAM)) для воспроизведения движений ручки и переключения эффекта педали овердрайва.

Основные особенности заключаются в следующем.

1. За пределами моделирования снимков: ParametricOD может точно имитировать динамические изменения при перемещении физических ручек переключения передач и переключателей. Это бросает вызов распространенному мнению, что методы, основанные на нейронных сетях*, ограничены статическими моделями «моментальных снимков».

2. Оптимизация сбора данных: решает проблему «проклятия размерности» при создании многопараметрических моделей и значительно сокращает объем требуемых данных.

3. Эффективность процессора: ParametricOD использует меньше ресурсов ЦП, чем многие модели моментальных снимков, что делает его более доступным для пользователей, не имеющих высокопроизводительных вычислительных ресурсов.

4. Настраиваемость и платформа с открытым исходным кодом: Мы используем открытый исходный код NAM для настройки архитектуры модели для моделирования педалей. Это представляет особый интерес для разработчиков и аудиоинженеров, заинтересованных в исследовании и расширении границ цифровой обработки звука.

5. Вдохновение и ресурсы для сообщества: Выпуская ParametricOD в качестве бесплатного плагина и приветствуя взаимодействие с людьми, заинтересованными в создании собственных параметрических моделей, мы помогаем сформировать сообщество, которое способствует технологическому прогрессу в области гитарных эффектов.

* Neural Capture от Neural DSP, Tone Modeling от TONEX, клонирование усилителя/педали Smart от Headrush, ToneSnap от Tonocracy и т. д.

Демонстрация звука

Сначала я отключаю эффекты, а затем включаю их.

あ とkHS КонвольверЯ включил его позже и сгладил.

Хотя это и не бесплатно, оно содержит множество IR и рекомендуется.

概要

Сегодня мы выпускаем ParametricOD, плагин, который использует возможности параметрического моделирования NAM для создания точной модели педали овердрайва во всем диапазоне ручек и переключателей педали.

Этот плагин имеет аналогичную совместимость с плагином моментальных снимков с открытым исходным кодом («плагин NAM» или, может быть, просто «NAM» для многих пользователей) и поддерживает форматы VST3 и AU для macOS. Доступен в VST3 для Windows.

Этот плагин задуман как «концептуальный» плагин в том смысле, что мы хотим использовать его для устранения потенциальных заблуждений и демонстрации существующих функций NAM, которые могут быть неизвестны многим людям.

NAM — это не просто средство моделирования «снимков».
С тех пор, как NAM впервые появился в 2019 году, в гитарной сфере появился ряд продуктов для моделирования на основе данных. Многие из них (Kemper's Profiling, Neural DSP's Neural Capture, TONEX's Tone Modeling, Smart amp/pedal cloning от Headrush, ToneSnap от Tonocracy) фокусируются на имитации тона вашего оборудования в одном «снимке». неспособен моделировать эффекты перемещения реальных ручек переключения передач и переключателей.

Однако это не точно. Те, кто знаком с NAM, возможно, помнят, что я использовал его для создания параметрической модели с семью ручками:

Кроме того, NAM — не единственный проект, анонсирующий эту функцию. Например, Proteus от GuitarML поддерживает «захват ручки». Однако я надеюсь, что этот плагин поможет повысить осведомленность о NAM и поможет большему количеству людей узнать о его потенциале.

Параметрическое моделирование не требует невероятных объемов данных. Связанное с этим заблуждение заключается в том, что практически невозможно собрать достаточно данных для создания таких моделей. Для моделей с одной ручкой (например, ручкой «привод») вы можете представить, как поворачиваете ручку от 1 до 0 с шагом 10. Используя стандартный файл преобразования, который я подготовил для NAM, вы сможете сделать это менее чем за час. Но чтобы сделать это с помощью двух ручек, вам придется выполнить все комбинации ручек, и вы можете себе представить, что вам понадобится 1 x 1 = 2 реамп. Для этой модели с двумя ручками и двумя переключателями* эта логика означает, что я сделал почти 11 реампов и записал более 11 часов звука.

Один из способов избежать этого – уменьшить количество точек. Всего можно уменьшить количество точек примерно в 1 раза, изменив его на 1 приращения (2, 0,2,4,6,8,10, 4, 1, 2, 7) вместо 100 приращения. Если на ручку будет только два значения (минимум, максимум), то даже приведенная выше XNUMX-кнопочная модель потребует более XNUMX повторений (точность интерполяции между крайними значениями может быть весьма сомнительной) (не знаю! ). У этого испытания есть название: «Проклятие измерений».

Это настолько большая проблема, что для ее решения проводится множество исследований, большая часть которых относится к научной области оптимального планирования эксперимента. Подробности выходят за рамки этой статьи в блоге, но, используя передовые методы в этой области, мне удалось сократить затраченное время (включая время, затрачиваемое на перемещение ручек между усилителями) до чуть более часа. Умнее, проще!

NAM по своей сути не требует интенсивного использования ЦП.
Пользователи должны заметить, что нагрузка на процессор этого плагина намного ниже, чем у многих моделей моментальных снимков. Это достигается за счет использования более легкой архитектуры нейронной сети для экономии ресурсов ЦП при достижении точности «уровня NAM».

НАМ настраивается
Очень сложно указать на что-то и сказать: «ДН не может этого сделать». Это не просто моделирование снимков; оно специально разработано для решения любой проблемы. Новые возможности регистрации наборов данных и моделей еще больше расширяют эту функциональность. Если вы хотите настроить свою модель, вот как! Я использовал это для настройки архитектуры модели специально для моделирования педалей (что также требовало специального кода C++ для запуска модели в плагине). Однако полученная модель Neural Amp*** основана на той же платформе с открытым исходным кодом, что и широко используемый стандартизированный инструмент, и мне удалось выполнить эту настройку и быстро получить результаты «уровня NAM». Это стало возможным благодаря открытому исходному коду. репозитории.

вывод
Я слышал популярную фразу о том, что «Capture не может моделировать ручки» или, что более обнадеживающе, что это будет «следующий рубеж». Мне было трудно понять, как поделиться этой функцией со всем миром, но она у меня уже больше года, поэтому я рад наконец продемонстрировать ее с помощью бесплатного плагина. С самого начала целью обмена информацией о NAM было предоставление ресурсов, которые можно использовать для продвижения новейших гитарных эффектов и того, что музыканты могут использовать для создания произведений искусства. Я надеюсь, что, используя этот плагин, другие последуют в этом направлении и продолжат расширять границы. Если вы серьезно заинтересованы в создании собственных параметрических моделей с использованием NAM, напишите на адрес NeuralampModeler@gmail.com.

 

формат

Скачать

Вы можете скачать это бесплатно.

Перейдите по ссылке выше, прокрутите страницу вниз и нажмите кнопку соответствующей ОС.

イ ン ス ト ー ル

При разархивировании загруженного файла в комплект входит установщик, поэтому вы можете использовать его, просто установив.