超循环神经网络：用于黑盒音频效果建模的条件机制
声音
2024-08-12 v1 音频与语音处理
摘要
循环神经网络（RNN）在音频效果的虚拟模拟建模中已展现出令人瞩目的结果。这些网络通过一系列矩阵乘法和非线性激活函数处理时域音频信号，以精确模拟目标设备的行为。为了在基于 RNN 的模型中额外建模旋钮效果，现有方法通过沿通道方向拼接控制参数与输入信号的某些中间表示来集成控制参数。虽然该方法参数高效，但在调制信号方面仍有进一步提升的空间，因为基于拼接的条件化方法容量有限。在本文中，我们为 RNN 提出了三种新颖的条件机制，专门针对黑盒虚拟模拟建模。这些高级条件机制基于控制参数对模型进行调制，在各种评估指标上取得了优于现有 RNN 和 CNN 架构的结果。
引用
@article{arxiv.2408.04829,
title = {Hyper Recurrent Neural Network: Condition Mechanisms for Black-box Audio Effect Modeling},
author = {Yen-Tung Yeh and Wen-Yi Hsiao and Yi-Hsuan Yang},
journal= {arXiv preprint arXiv:2408.04829},
year = {2024}
}
备注
Accepted to DAFx24