深度学习可以通过模仿任何吉他放大器来欺骗听众？

许多流行的吉他放大器和失真效果都基于模拟电路。为了实现吉他信号的理想失真，这些电路使用非线性元件，如真空管、二极管或晶体管。随着音乐制作变得越来越数字化，对模拟音频效果的忠实数字模拟的需求也在增加。

vesavlim ki教授解释说，这是深度学习的一个令人兴奋的发展。用于吉他失真建模的深度神经网络之前已经测试过，但这是第一次盲测听众无法区分录音和录音的区别。假失真吉他声！这类似于计算机第一次学会下棋的时候。

虚拟建模领域的主要目标是创建这些模拟系统的数字模拟，这将允许用可在现代台式机或便携式计算机上使用的软件插件替换笨重、昂贵和脆弱的模拟设备。

电路建模技术可以用来精确模拟特定放大器的电路，但结果通常是一个模型，对于实时处理来说计算量太大。此外，必须为每个要建模的放大器创建一个新模型，这一过程非常费力。

VA建模的另一种方法是黑盒建模。黑盒建模基于测量电路对某些输入信号的响应，并创建一个模型来复制观察到的输入输出映射。结果来自基于小波网络卷积神经网络的研究。

使用深度神经网络创建数字放大器模型。音频是从目标吉他放大器录制的，用于训练深度神经网络来模拟吉他放大器。

专注于使用深度学习进行音频处理的博士生Alec Wright表示：进行这些测试是为了验证模拟Blackstar HT5 Metal或Mesa bugie Express 5:50电子管放大器的模型的性能。这些模型的创建侧重于实时性能，所有模型都可以在台式计算机上实时运行。

这一切都意味着在不久的将来，吉他手需要做的就是把它插到运行深度神经插件的笔记本电脑上，扬声器就会发出令人信服的老式吉他放大器的声音。

吉他功放的纯粹主义者是否愿意放弃自己喜欢的设备还有待观察，但这一创新为任何音频发烧友以数字方式获得所需吉他声音铺平了道路，无论是Marshall、Orange、Fender还是其他产品。在路上还是在画室。