基于选择性状态空间模型对光学压缩器时变响应的建模

本文提出了一种使用深度神经网络和选择性状态空间模型 (Selective State Space) 对光学动态范围压缩器进行建模的方法。该方法超越了基于循环层的先前方法，采用选择性状态空间模块对输入音频进行编码。该方法融合了特征线性调制 (Feature-wise Linear Modulation) 和门控线性单元 (Gated Linear Units) 的 refined 技术，以动态方式调整网络，根据外部参数调整压缩的攻击和释放阶段。该架构适合低延迟和实时应用，至关重要于现场音频处理。该方法在 analog optical compressors TubeTech CL 1B 和 Teletronix LA-2A 上进行了验证，这两种压缩器具有不同的特征。评估采用定量指标和主观听力测试，与其他最先进模型进行比较。结果表明，我们的 black-box 建模方法在所有其他方法中均表现突出，能够准确模拟 seen 和 unseen 训练期间的压缩过程。我们进一步表明，这种准确性与控制参数在数据集中的采样密度之间存在相关性，并识别出攻击快且释放慢的设置是最难以模拟的。