論文の概要: Neural modeling of magnetic tape recorders
- arxiv url: http://arxiv.org/abs/2305.16862v1
- Date: Fri, 26 May 2023 12:15:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 15:14:07.865050
- Title: Neural modeling of magnetic tape recorders
- Title(参考訳): 磁気テープレコーダのニューラルモデリング
- Authors: Otto Mikkonen, Alec Wright, Eloi Moliner and Vesa V\"alim\"aki
- Abstract要約: オープンリールやカセットテープレコーダーのような磁気記録媒体の音は今日の音の実践者たちに追われている。
本稿では,ニューラルネットワークを用いて文字をデジタルエミュレートする手法を提案する。
- 参考スコア(独自算出の注目度): 3.058685580689605
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The sound of magnetic recording media, such as open-reel and cassette tape
recorders, is still sought after by today's sound practitioners due to the
imperfections embedded in the physics of the magnetic recording process. This
paper proposes a method for digitally emulating this character using neural
networks. The signal chain of the proposed system consists of three main
components: the hysteretic nonlinearity and filtering jointly produced by the
magnetic recording process as well as the record and playback amplifiers, the
fluctuating delay originating from the tape transport, and the combined
additive noise component from various electromagnetic origins. In our approach,
the hysteretic nonlinear block is modeled using a recurrent neural network,
while the delay trajectories and the noise component are generated using
separate diffusion models, which employ U-net deep convolutional neural
networks. According to the conducted objective evaluation, the proposed
architecture faithfully captures the character of the magnetic tape recorder.
The results of this study can be used to construct virtual replicas of vintage
sound recording devices with applications in music production and audio
antiquing tasks.
- Abstract(参考訳): オープンリールやカセットテープレコーダーのような磁気記録媒体の音は、磁気記録プロセスの物理に埋め込まれた不完全さのために、今日の音響実践者によって依然として追求されている。
本稿では,ニューラルネットワークを用いたデジタルエミュレート手法を提案する。
提案方式の信号連鎖は, 磁気記録法により生成したヒステリシス非線形性とフィルタリング, 記録・再生増幅器, テープ搬送から発生する変動遅延, 各種電磁起源からの付加雑音成分の3成分からなる。
提案手法では, 階層的非線形ブロックをリカレントニューラルネットワークを用いてモデル化し, 遅延軌跡と雑音成分をU-net深部畳み込みニューラルネットワークを用いた拡散モデルを用いて生成する。
提案手法では,磁気テープレコーダの特性を忠実に把握する。
本研究は, ヴィンテージ録音装置の仮想レプリカを製作し, 音楽制作と音響古文書作成に応用することを目的としている。
関連論文リスト
- Masked Audio Generation using a Single Non-Autoregressive Transformer [90.11646612273965]
MAGNeTは、複数のオーディオトークンストリーム上で直接動作するマスク付き生成シーケンスモデリング手法である。
テキスト・トゥ・ミュージック・アンド・テキスト・トゥ・オーディオ・ジェネレーションのタスクにおけるMAGNeTの有効性を実証する。
我々は、自己回帰と非自己回帰モデリングのトレードオフを指摘するとともに、MAGNeTを構成する各コンポーネントの重要性を強調した。
論文 参考訳(メタデータ) (2024-01-09T14:29:39Z) - On Neural Architectures for Deep Learning-based Source Separation of
Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。
我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文 参考訳(メタデータ) (2023-03-11T16:29:13Z) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳(メタデータ) (2022-08-01T19:18:26Z) - Removing Distortion Effects in Music Using Deep Neural Networks [12.497836634060569]
本稿では,音楽制作のためのギタートラックに適用される歪みやクリップの除去に焦点をあてる。
これは、このタスクにおける異なるディープニューラルネットワーク(DNN)アーキテクチャの比較研究を示す。
歪み信号に対するクリーン信号を重畳する効果に対して,DNNを用いた歪み除去において,優れた結果が得られる。
論文 参考訳(メタデータ) (2022-02-03T16:26:29Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳(メタデータ) (2021-10-13T21:51:56Z) - Removing Noise from Extracellular Neural Recordings Using Fully
Convolutional Denoising Autoencoders [62.997667081978825]
ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。
シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
論文 参考訳(メタデータ) (2021-09-18T14:51:24Z) - Learning to Denoise Historical Music [30.165194151843835]
そこで我々は,古い録音を聴くことを学習する音声から音声へのニューラルネットモデルを提案する。
ネットワークは、ノイズの多い音楽データセット上で、再構成と敵の目的の両方で訓練される。
提案手法は,原曲の品質と詳細を保存しながら,ノイズ除去に有効であることを示す。
論文 参考訳(メタデータ) (2020-08-05T10:05:44Z) - Time-dependent atomic magnetometry with a recurrent neural network [0.0]
エンコーダ・デコーダアーキテクチャのニューラルネットワークは,計測データを処理し,記録信号と時間依存磁界の間の正確なマップを学習できることを示す。
論文 参考訳(メタデータ) (2020-07-27T13:41:13Z) - Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by
Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。
このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。
実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文 参考訳(メタデータ) (2020-07-07T08:22:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。