（文章來源：教育新聞網(wǎng)）

許多流行的吉他放大器和失真效果都是基于模擬電路的。為了實現(xiàn)吉他信號的理想失真，這些電路使用了非線性組件，例如真空管，二極管或晶體管。隨著音樂制作變得越來越數(shù)字化，對模擬音頻效果的忠實數(shù)字仿真的需求也在增加。

VesaV?lim?ki教授解釋說，這是深度學習中的一個令人振奮的發(fā)展，“以前已經(jīng)測試了用于吉他失真建模的深度神經(jīng)網(wǎng)絡，但這是第一次，盲人測試聽眾無法分辨錄音與錄音之間的區(qū)別。假的失真吉他聲!這類似于計算機第一次學習下棋的時間。

虛擬模擬(VA)建模領域的主要目標是創(chuàng)建這些模擬系統(tǒng)的數(shù)字仿真，這將允許將笨重，昂貴和易碎的模擬設備替換為可在現(xiàn)代臺式機或便攜式計算機上使用的軟件插件。

可以使用電路建模技術(shù)精確地仿真特定放大器的電路，但是結(jié)果通常是模型，該模型對實時處理的計算量太大。另外，必須為每個要建模的放大器創(chuàng)建一個新模型，并且該過程非常費力。VA建模的另一種方法是“黑盒”建模。黑盒建模基于測量電路對某些輸入信號的響應并創(chuàng)建一個模型，該模型復制觀察到的輸入-輸出映射。這些結(jié)果來自的研究基于WaveNet卷積神經(jīng)網(wǎng)絡。

數(shù)字放大器模型是使用深度神經(jīng)網(wǎng)絡創(chuàng)建的。從“目標”吉他放大器錄制音頻，該音頻用于訓練深度神經(jīng)網(wǎng)絡以模擬該吉他放大器。

博士生Alec Wright專注于使用深度學習進行音頻處理，他說：“進行這些測試是為了驗證模擬Blackstar HT5 Metal或Mesa Boogie Express 5：50+電子管放大器的模型的性能。這些模型的創(chuàng)建著重于實時性能，所有模型都可以在臺式計算機上實時運行。

所有這些都意味著，在不久的將來，吉他手需要做的就是將其插入運行深度神經(jīng)插件的筆記本電腦，揚聲器將發(fā)出令人信服的老式吉他放大器聲音。

吉他放大器的純粹主義者是否愿意放棄他們鐘愛的裝備還有待觀察，但是這項創(chuàng)新為任何音頻發(fā)燒友以數(shù)字方式獲得所需的吉他聲音鋪平了道路，無論是Marshall，Orange，F(xiàn)ender還是其他產(chǎn)品。
（責任編輯：fqj）