Se connecter
Se connecter

ou
Créer un compte

ou

Sujet Une idée dans la nuit.

  • 21 réponses
  • 7 participants
  • 1 770 vues
  • 1 follower
1 Une idée dans la nuit.
Salut,
à priori y'a du beau monde qui se ballade par ici alors je me lance.
J'ai eu une idée de soft (je pense pas que ca existe) qui est un trouveur de patch synthé.
En entrée: de l'audio, une note d'un synthé...
on dit ce qu'on a à dispo: 2 oscillos, 1 filtre passe bas etc... et le soft ressort les paramètres qui permettent d'obtenir le son le plus approchant en fonction de que l'on a sous la mains: ton premier osc coco, c'est un triangle, le 2eme un sine ring-mod avec le 1er, détuné -1/2 etc... etc...
vous avez compris le principe.
Pour avoir fait, y'a longtemps, des réseaux de neurones, qui je sais marche plutot bien en classification et pas top en prédiction, je me disais que peut etre ca pourrait coller.
En apprentissage, les sons des différents composants possibles, avec toute leur variation possible.
Voila, si vous pouviez me donner votre avis sur l'interet/faisabilité de la chose...
2
Slt guy, ton idée pourrait fonctionner sur le principe de la synthese additive non?
Warpboy@kagura lab...
3
Je ne sais pas, le but n'étant pas de faire de la synthèse en fait.
De ce que je sais sur la synthèse additive (i.e. peu), je ne vois pas trop comment ca pourrait le faire...
4
Hello :bravo:

Citation : le but n'étant pas de faire de la synthèse en fait.


Citation : le son le plus approchant en fonction de que l'on a sous la mains



Si c'est de l'analyse resynthese que tu veux faire

Sur les problematique de l'analyse-resynthese, Voila mes conseils...

L'additif c'est bien mais ca demande d'avoir un max d'ocillo...
POur faire l'analyse du son et recuperer les parametres en vue d'une resynthese additive...tu peux passer en representation temps frequence (j'essaye de trouver un espace de transformation utile car les SFFT ca craint ... le probleme c'est qu'il y a un compromis a faire entre la precision temporelle et frequentielle)...apres tu recuperes les harmoniques les plus importantes tu traques eventuellement le deplacement en frequence dans le temps de ces harmoniques (si chirp il y a )...puis tu choppes leur enveloppe puis leur phase....L'IRCAM a developpé un soft qui s'appelle additif et qui fait ca...c'est ce soft qui a été utilisé par peugeot pour faire de l'analyse resynthese de son de moteur de voiture

Pour la soustracive, j'avais essayé d'utilisé des algos de signal adaptatif....c'est a dire que tu essayes de trouver le filtre le plus approprié...j'ai implementé ca avec trop d'enthousiasme et ca marche moyen (du a mon implementation)...ca reste des algos de descente de gradient comme pour les réseaux de neurones

Citation : Pour avoir fait, y'a longtemps, des réseaux de neurones, qui je sais marche plutot bien en classification et pas top en prédiction, je me disais que peut etre ca pourrait coller.
En apprentissage, les sons des différents composants possibles



Ca demanderais de se prendre le cailloux a bloc..avec une note en entrée les neurones devrait reagir comme des oscillateurs avec une enveloppe et une frequence par neurone...
Une fois que tu obtiens la sortie, il faudrait pouvoir repondre a la question...J'ai telle erreur qu'est ce que je met a jour :?: (c'est ce qu'on appelle le credit assignement problem)...au niveau statistique et mathematique je pense que c'est trop dur à resoudre :??: Deja que l'algorithme de retro propagation est assez recent alors si tu demande de mettre a jour les enveloppe, les frequences etc etc meme Einstein laisserait tombé a mon avis

A l'heure actuelle c'est la synthese additive (+ eventuellement granulaire pour les bruits de fond) que l'on utilise....je pense qu'il faut que tu utilises ca

En tout cas c'est des problematiques qui m'interesse beaucoup...s t'as des idees exposent les ici, je peux peut etre avoir un point de vue critique sur leur implementation...Une question, c'est l'air troyen qui nous rend geek comme ca ou quoi :8O:
5
Merci d'avoir si longuement répondu.
Le choix du réseau de neurone était en fait pour ne pas faire d'analyse de signal (vade retro FFT).
Maintenant, est-ce réalisable ... aucune idée.
J'ai vu que tu avais mis des références sur l'application des rdn pour la reconnaissance polyphonique ds un autre post... il faudrait que je potasse ca.
Je ne me suis pas du tout penché sur l'implémentation, c'était avant tout une idée, et savoir si elle était viable ou non (du genre "impossible à faire avec des rdn, bcp s'y sont cassés les dents") avant de me pencher sur les problèmes d'implémentation à proprement parler.

Mais j'ai d'autres idées dans ma besace, sans bien sur savoir si elles sont interessantes concrétement ou pas. Mais en particulier une, qui est en plus facilement implémentable:
travailler au niveau des samples considérés uniquement comme des bits (et en faisant totalement abstraction du signal qu'il peuvent représenter), afin de les transformer.
Je risque bcp de n'obtenir que de la merde, mais bon.
6
OK, en terme de synthese de mon coté je vais essayé de customisé des algos adaptatifs et voir si on peut en tirer quelque chose...

J'ai aussi un projet de synthese de son par chaine de Markov...a voir...je sais pas si ca peut donner quelque chose de sympa..

En tout cas dans ces delires la, il faut mieux se rensigner a droite a gauche (publi etc) pour savoir ce qui a deja été fait
7

Citation :
En tout cas dans ces delires la, il faut mieux se rensigner a droite a gauche (publi etc) pour savoir ce qui a deja été fait


oui, c'est aussi pour cela que je poste ici...
mais je suivrai attentivement tes pérégrinations ds le monde de la synthèse
8
Euh, et la décomposition on ondelette, au lieu de la FFT, ca vous brancherait pas ?
En plus, il reste à choisir la famille de fontion ...
9

Citation : Pour avoir fait, y'a longtemps, des réseaux de neurones, qui je sais marche plutot bien en classification et pas top en prédiction



C'est une idée reçue :

C'est simplement parceque le principe même du réseau (et de son apprentissage) le rend TRES sensible à la qualité ou à la représentativité de l'ensemble des vecteurs d'apprentissage, et qu'un ensemble représentatif est beaucoup facile à constituer pour un problème de classification que d'interpolation (prédiction).

Mais à qualité de données d'apprentissage égale, le réseau marche aussi bien dans les 2 cas.
En plus, pour un problème donné qui semble "bien marcher" en classification, une solution par SVM marchera généralement plutôt mieux, puisque le SVM ne cherche à définir que la "frontière" entre les classes ...

Je trouve ça pluitôt sympa qu'il y ai du monde sur AF qui s'intéresse à la recherche de nouveaux principes de synthèse ...

J'ai fait une grande réponse à Choc sur un autre Post à propose de synthèse et réseau de neurones, si ça t'intéresse ...
https://fr.audiofanzine.com/apprendre/mailing_forums/index,idtopic,90019,idsearch,2448990.html
Willy, zicos electronicien et algorithmes mathématiques
10
Pour le coup Classification vs Prédiction, c'était ce que notre prof de RdN nous avait dit il y a 10 ans... ca a peut être changé :noidea:
je vais lire ton autre post...
cookies
Nous utilisons les cookies !

Oui, Audiofanzine utilise des cookies. Et comme la dernière chose que nous voudrions serait de perturber votre alimentation avec des choses trop grasses ou trop sucrées, sachez que ces derniers sont fait maison avec des produits frais, bio, équitables et dans des justes proportions nutritives.
Ce que cela veut dire, c’est que les infos que nous y stockons ne visent qu’à simplifier votre usage du site comme à améliorer votre expérience sur nos pages et vous afficher des publicités personnalisées (en savoir plus).

Nous tenons à préciser qu’Audiofanzine n’a pas attendu qu’une loi nous y oblige pour respecter la vie privée de nos membres et visiteurs. Les cookies que nous utilisons ont en commun leur unique objectif qui est d’améliorer votre expérience utilisateur.

Tous nos cookies
Cookies non soumis à consentement
Il s'agit de cookies qui garantissent le bon fonctionnement du site Audiofanzine. Le site Web ne peut pas fonctionner correctement sans ces cookies. Exemples : cookies vous permettant de rester connecté de page en page ou de personnaliser votre utilisation du site (mode sombre ou filtres).
Analyse de l’audience (Google Analytics)
Nous utilisons Google Analytics afin de mieux comprendre l’utilisation que nos visiteurs font de notre site pour tenter de l’améliorer.
Publicités (Google Ads)
Ces informations nous permettent de vous afficher des publicités qui vous concernent grâce auxquelles Audiofanzine est financé. En décochant cette case vous aurez toujours des publicités mais elles risquent d’être moins intéressantes :) Nous utilisons Google Ad Manager pour diffuser une partie des publicités, des mécanismes intégrés à notre CMS pour le reste. Nous sommes susceptibles d’afficher des publicités provenant de notre propre plateforme, de Google Advertising Products ou encore de la régie Adform.
Marketing (Meta Pixel)

Sur nos sites web, nous utilisons le Meta Pixel. Le Meta Pixel est un pixel de remarketing mis en œuvre sur nos sites web qui nous permet de vous cibler directement via le Meta Network en diffusant des publicités aux visiteurs de nos sites web lorsqu’ils visitent les réseaux sociaux Facebook et Instagram. Les métapixels sont des extraits de code capables d’identifier votre type de navigateur via l’ID du navigateur - l’empreinte digitale individuelle de votre navigateur - et de reconnaître que vous avez visité nos sites web et ce que vous avez regardé exactement sur nos sites web. Lorsque vous visitez nos sites web, le pixel établit une connexion directe avec les serveurs de Meta. Meta est en mesure de vous identifier grâce à l’identifiant de votre navigateur, car celui-ci est lié à d’autres données vous concernant stockées par Meta sur votre compte d’utilisateur Facebook ou Instagram. Meta diffuse ensuite des publicités individualisées de notre part sur Facebook ou sur Instagram qui sont adaptées à vos besoins.

Nous ne sommes nous-mêmes pas en mesure de vous identifier personnellement via le pixel meta, car à part l’ID de votre navigateur, aucune autre donnée n’est stockée chez nous via le pixel.

Pour plus d’informations sur le Meta Pixel, les détails du traitement des données via ce service et la politique de confidentialité de Meta, veuillez consulter le site suivant Meta Privacy Policy - How Meta collects and uses user data pour Facebook et Meta Privacy Policy - How Meta collects and uses user data pour Instagram.

Meta Platforms Ireland Ltd. est une filiale de Meta Platforms, Inc. basée aux États-Unis. Il n’est pas exclu que vos données collectées par Facebook soient également transmises aux États-Unis.


Nous tenons à préciser qu’Audiofanzine n’a pas attendu qu’une loi nous y oblige pour respecter la vie privée de nos membres et visiteurs. Les cookies que nous utilisons ont en commun leur unique objectif qui est d’améliorer votre expérience utilisateur.

Tous nos cookies
Cookies non soumis à consentement

Il s’agit de cookies qui garantissent le bon fonctionnement du site Audiofanzine. Le site Web ne peut pas fonctionner correctement sans ces cookies. Exemples : cookies vous permettant de rester connecté de page en page ou de personnaliser votre utilisation du site (mode sombre ou filtres).

Analyse de l’audience (Google Analytics)

Nous utilisons Google Analytics afin de mieux comprendre l’utilisation que nos visiteurs font de notre site pour tenter de l’améliorer. Lorsque ce paramètre est activé, aucune information personnelle n’est envoyé à Google et les adresses IP sont anonymisées.

Publicités (Google Ads)

Ces informations nous permettent de vous afficher des publicités qui vous concernent grâce auxquelles Audiofanzine est financé. En décochant cette case vous aurez toujours des publicités mais elles risquent d’être moins intéressantes :) Nous utilisons Google Ad Manager pour diffuser une partie des publicités, des mécanismes intégrés à notre CMS pour le reste. Nous sommes susceptibles d’afficher des publicités provenant de notre propre plateforme, de Google Advertising Products ou encore de la régie Adform.

Marketing (Meta Pixel)

Sur nos sites web, nous utilisons le Meta Pixel. Le Meta Pixel est un pixel de remarketing mis en œuvre sur nos sites web qui nous permet de vous cibler directement via le Meta Network en diffusant des publicités aux visiteurs de nos sites web lorsqu’ils visitent les réseaux sociaux Facebook et Instagram. Les métapixels sont des extraits de code capables d’identifier votre type de navigateur via l’ID du navigateur - l’empreinte digitale individuelle de votre navigateur - et de reconnaître que vous avez visité nos sites web et ce que vous avez regardé exactement sur nos sites web. Lorsque vous visitez nos sites web, le pixel établit une connexion directe avec les serveurs de Meta. Meta est en mesure de vous identifier grâce à l’identifiant de votre navigateur, car celui-ci est lié à d’autres données vous concernant stockées par Meta sur votre compte d’utilisateur Facebook ou Instagram. Meta diffuse ensuite des publicités individualisées de notre part sur Facebook ou sur Instagram qui sont adaptées à vos besoins.

Nous ne sommes nous-mêmes pas en mesure de vous identifier personnellement via le pixel meta, car à part l’ID de votre navigateur, aucune autre donnée n’est stockée chez nous via le pixel.

Pour plus d’informations sur le Meta Pixel, les détails du traitement des données via ce service et la politique de confidentialité de Meta, veuillez consulter le site suivant Meta Privacy Policy - How Meta collects and uses user data pour Facebook et Meta Privacy Policy - How Meta collects and uses user data pour Instagram

Meta Platforms Ireland Ltd. est une filiale de Meta Platforms, Inc. basée aux États-Unis. Il n’est pas exclu que vos données collectées par Facebook soient également transmises aux États-Unis.


Vous pouvez trouver plus de détails sur la proctection des données dans la politique de confidentialité.
Vous trouverez également des informations sur la manière dont Google utilise les données à caractère personnel en suivant ce lien.