端到端放大器建模：从数据到可控吉他放大器模型
声音
2024-03-14 v1 音频与语音处理
摘要
本文描述了一种数据驱动的方法，用于创建吉他放大器的实时神经网络模型，在物理设备上存在的全部控制范围内，重现放大器对任意输入的声波响应。虽然本文的重点在于数据采集流程，但我们通过训练一个LSTM模型来完成该任务，并将其性能与离线白盒SPICE电路仿真进行比较，从而证明了这种条件化黑盒方法的有效性。我们的听感测试结果表明，神经放大器建模方法能够匹敌高质量SPICE模型的主观性能，同时使用自动化、非侵入式的数据采集过程，以及端到端可训练、实时可行的神经网络模型。
引用
@article{arxiv.2403.08559,
title = {End-to-End Amp Modeling: From Data to Controllable Guitar Amplifier Models},
author = {Lauri Juvela and Eero-Pekka Damskägg and Aleksi Peussa and Jaakko Mäkinen and Thomas Sherson and Stylianos I. Mimilakis and Athanasios Gotsopoulos},
journal= {arXiv preprint arXiv:2403.08559},
year = {2024}
}
备注
Presented at ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)