réactions à la news Accentize PreTube, le Machine Learning pour réchauffer le son
- 12 réponses
- 8 participants
- 918 vues
- 9 followers
Banshee in Avalon
27934
Administrateur·trice du site
Membre depuis 17 ans
Lire la news
Ce thread a été créé automatiquement suite à la publication d'une news pour ce produit. N'hésitez pas à poster vos commentaires ici !
- 1
- 2
Anonyme
Wolfen
13890
Rédacteur·trice
Membre depuis 22 ans
Citation de JepMetalway :
Encore et toujours le machine learning à toutes les sauces, alors qu'il y a beaucoup plus simple et efficace pour simuler des saturations...
Non je ne suis pas d'accord, ce n'est pas forcément plus simple, du coup si ça marche bien c'est très intéressant
Développeur de Musical Entropy | Nouveau plug-in freeware, The Great Escape | Soundcloud
Anonyme
rossignol85
1383
AFicionado·a
Membre depuis 17 ans
Wolfen
13890
Rédacteur·trice
Membre depuis 22 ans
Oui je connais, mais c'est quand même pas plus simple ni moins intéressant que de faire la même chose avec du Machine Learning
Développeur de Musical Entropy | Nouveau plug-in freeware, The Great Escape | Soundcloud
Arch4ngell
85
Posteur·euse AFfranchi·e
Membre depuis 11 ans
L'intérêt d'un système à la sauce Machine learning, si on fait abstraction de l'argument purement commercial, c'est que la techno commence à être maîtrisée. Les ingénieurs qui sont derrière peuvent l'optimiser, le rendre plus économe en temps de calcul, contrairement à une pure modélisation qui peut devenir coûteuse et squatter 20 à 30 % du CPU.
(Bon après faut voir ce qu'il en est dans les faits... peut-être qu'ils y sont allé comme des brutasses et qu'il n'y a rien d'optimisé du tout...
)
Là où ce sera vraiment TRÈS intéressant, c'est quand on pourra faire apprendre en quelques instants à un réseau de neurone la fonction de transfert d'un ampli, comme on capture et réutilise des IR (réponses impulsionnelles) aujourd'hui. On aurait alors un son aussi convaincant que la plus poussée des modélisations.
(Bon après faut voir ce qu'il en est dans les faits... peut-être qu'ils y sont allé comme des brutasses et qu'il n'y a rien d'optimisé du tout...
)Là où ce sera vraiment TRÈS intéressant, c'est quand on pourra faire apprendre en quelques instants à un réseau de neurone la fonction de transfert d'un ampli, comme on capture et réutilise des IR (réponses impulsionnelles) aujourd'hui. On aurait alors un son aussi convaincant que la plus poussée des modélisations.
[ Dernière édition du message le 15/05/2020 à 09:18:19 ]
FabN
1973
AFicionado·a
Membre depuis 21 ans
Anonyme
Arch4ngell
85
Posteur·euse AFfranchi·e
Membre depuis 11 ans
Citation de JepMetalway :
Il n'y aurait alors pas de différence avec une IR ! L'utilisation des IR est déjà très convaincante. Peut-être au niveau de la gestion des ressources, et encore...
Très convaincante, en effet ! En plus, un système à IR est très facile à implémenter.
Beaucoup de microprocesseurs récents et abordables possèdent un circuit réservé à une opération de calcul nommée "multiply and accumulate" qui permet de calculer une convolution (aka le principe de base de l'IR) en... un seul cycle d'horloge.
Une IR peut être convaincante dans la reproduction de la bande passante d'un ampli et/ou du timbre de ses hauts-parleurs.
Mais ce qui fait la beauté du son des lampes, un système d'IR est malheureusement insuffisant à le restituer sans une couche supplémentaire de modélisation, capable de rendre compte des non-linéarité d'un système d'amplification.
Or, la modélisation, ça prend du temps, c'est gourmand en puissance de calcul.
Un jour viendra peut-être où l'on pourra "voler" l'âme de ton ampli en quelques secondes d'analyse...
- < Liste des sujets
- Charte
- 1
- 2