非线性音频效果的可微黑盒与灰盒建模
声音
2025-02-21 v1 音频与语音处理
摘要
音频效果在音频和音乐内容创建的各个阶段都有广泛应用。大多数可微音频效果建模方法归属于黑盒或灰盒范畴；而大多数模型都针对吉他放大器、失真、过载、 fuzz 和压缩器等非线性效果进行提出和应用。尽管已经引入了大量的架构用于此任务，但由于大多数论文仅实验一种类型的非线性音频效果且仅针对少数设备，因此仍缺乏对该领域最佳方法的理解。本文旨在通过在大量非线性音频效果上比较黑盒与灰盒架构，阐明音频效果建模的格局，识别适用于广泛设备的最佳方案。过程中，我们还：引入时变灰盒模型，提出用于压缩、失真和 fuzz 的模型，发布大型音频效果研究数据集 ToneTwist AFx https://github.com/mcomunita/tonetwist-afx-dataset ——这是第一个开放社区贡献的数据集，并在多种指标上评估模型，进行大规模主观评估。代码 https://github.com/mcomunita/nablafx 和补充材料 https://github.com/mcomunita/nnlinafx-supp-material 也已公开。
引用
@article{arxiv.2502.14405,
title = {Differentiable Black-box and Gray-box Modeling of Nonlinear Audio Effects},
author = {Marco Comunità and Christian J. Steinmetz and Joshua D. Reiss},
journal= {arXiv preprint arXiv:2502.14405},
year = {2025}
}