A Review of Neural Network-Based Emulation of Guitar Amplifiers
VANHATALO, Tara
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
LEGRAND, Pierrick
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Institut de Mathématiques de Bordeaux [IMB]
Voir plus >
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Institut de Mathématiques de Bordeaux [IMB]
VANHATALO, Tara
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
LEGRAND, Pierrick
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Institut de Mathématiques de Bordeaux [IMB]
Université de Bordeaux [UB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Institut de Mathématiques de Bordeaux [IMB]
BAYLE, Yann
Centre National de la Recherche Scientifique [CNRS]
Studio de Création et de Recherche en Informatique et Musique Électroacoustique [SCRIME]
Université de Bordeaux [UB]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Orosys
< Réduire
Centre National de la Recherche Scientifique [CNRS]
Studio de Création et de Recherche en Informatique et Musique Électroacoustique [SCRIME]
Université de Bordeaux [UB]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Orosys
Langue
en
Article de revue
Ce document a été publié dans
Applied Sciences. 2022-06, vol. 12, n° 12, p. 5894
Multidisciplinary digital publishing institute (MDPI)
Résumé en anglais
Vacuum tube amplifiers present sonic characteristics frequently coveted by musicians, that are often due to the distinct nonlinearities of their circuits, and accurately modelling such effects can be a challenging task. A ...Lire la suite >
Vacuum tube amplifiers present sonic characteristics frequently coveted by musicians, that are often due to the distinct nonlinearities of their circuits, and accurately modelling such effects can be a challenging task. A recent rise in machine learning methods has lead to the ubiquity of neural networks in all fields of study including virtual analog modelling. This has lead to the appearance of a variety of architectures tailored to this task. This article aims to provide an overview of the current state of the research in neural emulation of analog distortion circuits by first presenting preceding methods in the field and then focusing on a complete review of the deep learning landscape that has appeared in recent years, detailing each subclass of available architectures. This is done in order to bring to light future possible avenues of work in this field.< Réduire
Mots clés en anglais
audio signal processing
nonlinear modelling
deep learning
audio effects modelling
virtual analog modelling
neural network
modelling nonlinear audio effects
distortion effects
electric musical instruments
Origine
Importé de halUnités de recherche