Modeladores. Cuestiones técnicas para la IA.

Sensaciones vs resultado. 

VI Lex escribió:

No creo que exista nada como lo que le proponía al compañero Pedro Vecino, diseñar un circuito tal y como haría en la vida real pero haciéndolo funcionar en un sistema digital, en un DSP.

https://youtu.be/y0G5SpjEaaE?si=SD-eHqpjbL2gP_eG

#34   Puedes usar el mueble y el altavoz de un Princeton, hasta puedes poner la alfombra. Procesas la señal por un DSP con un modelado bien hecho y ni te enteras. No tiene nada que ver una cosa con la otra.

#33 Todos los sistemas de modelado funcionan exactamente así, caracterizando los componentes y replicando el circuito electrónico. Dependiendo de la potencia del DSP y de la calidad del modelado puedes tener más o menos detalles y parámetros de cada componente.

#38 Sep, lo de Spice es conocido en el mundillo pero aparte de no ser una solución comercial es inviable a nivel de necesidad de proceso lo veo más en la liga de proyectos experimentales y en el grupo de simulación de circuitos electrónicos.

mkcast escribió:

Todos los sistemas de modelado funcionan exactamente así, caracterizando los componentes y replicando el circuito electrónico. Dependiendo de la potencia del DSP y de la calidad del modelado puedes tener más o menos detalles y parámetros de cada componente.

No, o al menos no los principales. incluso quién se basa principalmente en el modelado de circuitos y componentes, Fractal y Helix, usan herramientas adicionales para afinar sus modelos.

También se usa mucho el modelado físico, traducción mala de Waveguide Modeling, evaluar el comportamiento de una onda de audio al pasar por un proceso, que yo sepa algunos plugins de Neural DSP, ni zorra de si el Cortex también.

Lo que los anglos llaman Machine Learning, darle a una red neuronal miles de muestras de audio para que aprenda a simular el comportamiento de un sistema no lineal, creo que Positive Grid lo usa, yo probé antaño sus plugins y eran útiles para conseguir tonos de guitarra pero no eran "realistas".

Y por supuesto el manido Profiling.

NUX usa una combinación de Machine Learning y modelado híbrido (circuito y forma de onda) pero es info relativa, (toda la que he puesto de fabricantes o marcas), nadie dice exactamente como lo hace, todos venden "su modelo" y ninguno te cuenta si ha tenido que poner un EQ gráfico embebido (invisible al usuario) para "afinar su modelo".

Tampoco hay que olvidar a las IR's, que no deja de ser una "simple" curva de EQ muy compleja, ahí tenemos, creo, a Celestion con sus IR's dinámicas, es decir, con una curva que varía dinámicamente en función de la señal entrante.

Saludos!

El Modelado de Circuitos es actualmente inviable a nivel computacional, aunque sea realista a nivel ingeniería. 

Pedro Vecino escribió:

Por ejemplo: la experiencia musical de tocar con un Princeton sobre una alfombra, sentarse a dos metros y tocar enfrente de él no es reproducible. El foco, la resonancia del mueble, la dispersión del sonido por el espacio.., y el efecto de todo ello sobre el músico son entidades que no pueden caber ahí.

Emociones. (aunque entiendo que sólo te refieres a simular eso)

Como puedo hacerlo he trasladado mi setup de guitarra al salón, un NUX de 300 pavos, un looper, dos monitores de campo cercano, en frente el sofá, yo, la guitarra, y un par de birras, el puto paraíso, a las 3h de la tarde y a las 3h de la madrugada, no lo cambio por ningún Princeton con alfombra, (aunque mi próxima compra va a ser un valvular, no soy un hater)

Saludos!

#40   Créeme que lo de tener bloques código que se comportan como componentes es lo que más se usa des de siempre. Que cada fabricante le añada la palabra rimbombante que quiera.

La respuesta impulsional es exacto a lo que tu describes como Waveguide Modeling que tiene poca aplicación en el terreno de simular la respuesta de un circuito pues la síntesi de guia de onda digital está más destinada a reproducir el comportamiento físico de superficies acústicas.

Vamos que una IR no es solo un ecualizador guai (que lo es, no deja de ser un filtro, pero también lo es el altavoz, el previo, todo lo que hay en la cadena que cambia el sonido) pero con la peculiaridad de que caracteriza todo el sistema para todo el espectro de frecuencias de trabajo.

Todo lo que se etiqueta como machine learning/IA etc. es también una respuesta impulsional de toda la vida pero haciendo a veces el paso inverso. Pero vamos, transformadas y antitransformada de Fourier as usual. Todo lo demás es marketing.