Uutiset

Kitaravahvistinta matkiva tekoäly sai kuulijat lankaan

Tutkijat mallinsivat sähkökitaran vahvistimen ääntä neuroverkon avulla niin hyvin, etteivät kuulijat erottaneet tietokoneen luomaa ääntä aidosta.
Testing guitar signals at the Aalto Acoustics Lab
Akustiikan tutkijat kouluttivat neuroverkon jäljittelemään kitaravahvistinta. Kuvassa kitaraäänen testausta Aalto-yliopiston Akustiikan laboratorion kauittomassa huoneessa.

Painavat ja kalliit kitaravahvistimet voivat jäädä pian tarpeettomiksi. Aalto-yliopiston akustiikan tutkijat onnistuivat jäljittelemään syväoppivan neuroverkon avulla kitarasäröä niin hyvin, että suuri osa kuulijoista ei erottanut aitoja ja mallinnettuja ääniä toisistaan.

Kitaravahvistin on laite, joka vahvistaa sähkökitaran tuottaman äänen. Sen avulla voidaan tuottaa rockmusiikissa suosittua kitarasäröä, eli äänen säröytymistä. Syvät neuroverkot ovat ihmisaivojen toimintaa jäljitteleviä koneoppimismenetelmiä. Ne on suunniteltu oppimaan niille syötetystä aineistosta säännönmukaisuuksia ja tuottamaan haluttu tulos, tässä tapauksessa äänen muokkaus.

Koehenkilöt saivat kuunneltavakseen aidoilla kitaravahvistimilla sekä erilaisilla ja erikokoisilla neuroverkoilla tuotettuja ääninäytteitä.

”Neuroverkkoja on käytetty kitarasärön mallinnukseen aiemminkin, mutta tämä on ensimmäinen kerta, kun koehenkilöt eivät huomanneet kuuntelukokeissa eroa äänityksen ja mallinnetun kitarasärön välillä. Tätä voisi verrata tilanteeseen, kun tietokone oppi ensimmäistä kertaa pelaamaan shakkia”, sanoo professori Vesa Välimäki Aalto-yliopiston akustiikan laboratoriosta.

Neuroverkolle syötettiin muutaman minuutin mittaisia prosessoimattomia kitaraäänitteitä sekä vahvistimen säröyttämiä äänitteitä, joiden perusteella ne oppivat jäljittelemään vahvistimien ääntä. Tutkimuksessa käytettiin WaveNet-neuroverkkoa. Käytetyt vahvistinmallit olivat Blackstar HT5 Metal ja Mesa Boogie Express 5: 50 Plus -putkivahvistimia.

A basic schematic of the guitar signal between the neural net and amplifier
Neuroverkolle syötettiin kitaran käsittelemätöntä ääntä sekä sama ääni vahvistimen muokkaamana. Neuroverkko alustettiin satunnaisarvoihin ja sen luomaa mallia korjattiin vertaamalla sitä aitoon vahvistinääneen, kunnes nämä olivat riittävän yhdenmukaiset.

Läppäri voi tulevaisuudessa korvata vahvistimen

Monet kitaravahvistimet perustuvat analogisiin piireihin, joissa käytetään äänen särön tuottamiseksi yleensä tyhjiöputkia tai transistoreita. Samalla kun musiikin tuotanto digitalisoituu, kysyntä suurten, kalliiden ja särkyvien analogisten laitteiden digitaalisille korvaajille kasvaa.

Kitaravahvistimen analoginen piiri voidaan simuloida tarkasti mallintamalla sen komponentit. Näin saadut mallit vaativat kuitenkin usein liikaa laskentatehoa, jotta niillä voidaan käsitellä ääntä reaaliaikaisesti. Lisäksi jokaiselle vahvistimelle on luotava manuaalisesti uusi malli.

Neuroverkoilla haluttu lopputulos voidaan saavuttaa huomattavasti ketterämmin, ja mallit eivät vaadi suurta laskentatehoa. Kaikki mahdolliset kitaravahvistimet voidaan mallintaa samalla periaatteella eli syöttämällä verkolle äänidataa.

”Keskityimme mallien luomisessa niiden suorituskykyyn. Malleja voidaan ajaa reaaliajassa tavallisella tietokoneella”, sanoo syväoppimiseen ja äänenkäsittelyyn erikoistunut tohtoriopiskelija Alec Wright.

Lähitulevaisuudessa kitaristi siis voi vain kytkeä soittimensa läppäriin ja kaiuttimista kajahtaa täysin vakuuttava vahvistinääni, tutkijat arvelevat.

Tutkimus julkaistiin Applied Sciences -julkaisussa. Linkki julkaisuun

Lisätietoja

Alec Wright

Alec Wright

Doctoral candidate
Dept Signal Process and Acoust

Akustiikkaa ja audiotekniikkaa voi opiskella Aalto-yliopistossa

Three Aalto University students working in a acoustics laboratory

Master's Programme in Computer, Communication and Information Sciences - Acoustics and Audio Technology

The major in Acoustics and Audio Technology equips students with a fundamental understanding of human hearing, audio perception, and physics of sound. The skills they acquire enable, for example, reducing noise pollution, planning harmonic environments and designing coherent sound experiences.

Koulutustarjonta
  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

KTT Sami Itani
Tutkimus ja taide Julkaistu:

Tohtorin urapolku: esittelyssä toimitusjohtaja Sami Itani

“Tohtoriopinnot – kuten lähes kaikki tietotyöt myös yrityselämässä - ovat tiimiperusteista projektityötä, jossa itse pääsee toimimaan oman työnsä projektipäällikkönä.”
kaksi naista istuu punaisilla tuoleilla studiossa keskustelemassa, taustalla musta verho ja keltainen lattia
Tutkimus ja taide, Opinnot Julkaistu:

Mitä voimme oppia pandemiasta?

Aalto-yliopiston studiokeskustelussa pohdittiin, millaisen tulevaisuuden rakennamme pandemiasta saatujen oppien pohjalta.
Machine Learning Coffee Seminar logo in purple and white colours
Tutkimus ja taide Julkaistu:

Machine Learning Coffee Seminar -sarja jatkuu kiinnostavilla puheilla

MLCS-sarja tuo yhteen eri tieteenalojen osaajia, joita yhdistää ainakin yksi asia: kiinnostus koneoppimiseen.
Aalto logo
Tutkimus ja taide, Yliopisto Julkaistu:

Professorit Markus Linder ja Tapani Vuorinen Suomalaisen Tiedeakatemian jäseniksi

Aalto-yliopiston kemian tekniikan korkeakoulusta biomolekulaaristen materiaalien professori Markus Linder ja puunjalostuksen kemian professori Tapani Vuorinen on valittu uusiksi jäseniksi Suomalaiseen Tiedeakatemiaan.