May, 2023

基于低频振荡器的音频效果的调制提取

PDF
TL;DR本文提出了一个基于神经网络的提取任意低频振荡信号的框架，该框架能够跨越多种数字音频效果器、参数设置和乐器配置，提取不受限制的低频振荡信号。此外，本文还展示了如何将提取模型与一个简单的处理网络相结合，仅使用干燥信号和混响信号对未见过的模拟或数字低频振荡驱动音频效果进行端到端的建模。
low frequency oscillatorneural networksaudio effectssignal extractioneffect modeling
发现论文，激发创造
  • CONMOD：可控神经框架模拟效果

    利用深度学习模型，我们引入了可控的神经基准调制效果 (CONMOD) 来模拟各种低频振荡驱动的效果，并通过控制参数实现对产出的操作，同时在学习两种独特相移效果的连续嵌入空间方面超越了既有研究，为提升现代低频振荡驱动音频效果的创造力提供了机会。

    Jun, 2024

  • 基于帧级频谱处理的相位器效果可微灰盒建模

    本文提出了一种基于可微分数字信号处理的模型，用于建模像移相器这样控制信号具有低频震荡的调制音效，模型以时间变化频率域滤波器为基础，通过短帧处理来实现。研究发现最佳的帧长与目标效果的速率和瞬态衰减时间有关，但在推理时可以改变帧长而不会对准确性产生显着影响。

    Jun, 2023

  • 用时间变化的特征调制建模黑盒音频效果

    该研究提出了一种将时间变化的特征线性调制整合进现有的时间卷积背骨架中的方法，以更准确地捕获长时间尺度上的音频效应，从而增强深度学习方法对音频效应的建模能力。

    Nov, 2022

  • 音频的生成滤波器模型

    本文提出了一种基于统计推断的生成模型 —— 产品滤波器（PoF）模型，它将音频频谱分解为对数频谱领域中的 “过滤器” 的稀疏线性组合，然后借助平均场方法进行后验推断，并采用变分 EM 算法估计模型的自由参数，实验证明 PoF 模型在音频处理和说话人识别任务中具有很高的潜力，因为它可以作为有效的无监督特征提取器。

    Dec, 2013

  • 使用端到端深度神经网络建模非线性音频效果

    本文使用深度学习架构，旨在找到通用的端到端深度神经网络来对非线性音频效果进行建模，进而探讨不同乐器之间的泛化能力。

    Oct, 2018

  • 基于频率调制的可调和可解释声音合成的神经架构搜索

    利用神经架构搜索技术 (NAS)，本研究提出了一种不同 iable frequency modulation (FM) 合成器，该合成器可自动地从声音中发展出可以调的合成器，并且可以实现更好的效果比手工合成器。

    May, 2023

  • 统计参数语音合成的神经源 - 滤波波形模型

    提出了一种不需要自回归或逆自回归的神经源 - 滤波器 (NSF) 波形建模框架，该框架比 WaveNet 等传统自回归模型具有更快的波形生成速度，并且所生成的合成语音质量至少与 WaveNet 相当。

    Apr, 2019

  • 一种针对音频信号处理的内容自适应可学习时频表示

    本文提出了可学习的自适应内容前端用于音频信号处理，通过卷积神经网络学习基础函数和权重优化特定任务，同时提出了一种计算内容自适应可学习时频表示的方法，实现了学习有限冲激响应滤波器组，并根据输入信号的内容通过最优滤波器组传递输出信号。

    Mar, 2023

  • T-FOLEY：一种可控的波形领域扩散模型用于时间事件引导的福利音合成

    T-Foley 是一种基于时间事件引导的波形生成模型，用于合成弗雷音效。该模型利用声音类别和时间事件特征生成高质量的音频，并且在客观和主观评估指标上显示出卓越的性能，能够与时间事件很好地同步生成 Foley 音效。

    Jan, 2024

  • 基于神经网络的语音合成方法中最新的波形产生和声学模型方法的比较

    本文研究语音合成技术，并采用先进的机器学习方法克服了振幅频谱和声学模型过度平滑等局限性，在大规模众包评估中，发现生成性对抗网络和自回归模型表现优于普通循环神经网络。同时，使用相同的自回归声学模型进行评估，Wavenet 声码器优于经典的源 - 滤波器型声码器。尤其是，组合自回归声学模型和 Wavenet 声码器生成的语音波形与声学单元表现出类似的语音质量得分。

    Apr, 2018