sonicLAB 表示，这种架构使其有别于基于预训练模型的 AI 音频工具的方法不同。SSNN 既不加载模型，也不依赖离线训练数据。相反，它会监听输入音频，实时捕获频谱特征，并将其直接写入神经网络的连接权重中。用于训练网络的信号同时也会填充各层音频缓冲区——合成引擎正是基于这些缓冲区进行处理的，这意味着输出结果反映的是插件当前所“听”到的内容，而非发布前预先编码的信息。


这八个合成引擎会对突触活动作出响应。该发生器由三种类型的振荡器：包括脉冲发生器（Pulse Gen）、模态振荡器（Modal）和突触频率调制（Synaptic FM）振荡器，其行为由神经网络的输出驱动。五种类型的单神经元音频处理器包括：粒子合成、波形塑形、频率调制、梳状滤波器和磁带延迟组成，以单个神经元为单位运行，这意味着960个神经元中的每一个都能独立触发其自身的处理过程。输出的质感会实时追踪输入信号的频谱和动态内容。

用户可在确定性到随机性之间控制网络行为，调整神经元对输入信号响应的可预测性。量化模式将脉冲时机限制在特定间隔内，从而在原本连续且多变的放电模式中引入节奏规律性。琶音器将 32 层网络结构映射到音阶和和弦进行上，使网络的架构数据呈现出具有音高和旋律的形式。

OSC 尖峰数据可向外部广播。随附的 NNnotes 实用程序插件将这些 OSC 消息转换为 MIDI 音符，从而允许将网络的输出路由至外部乐器或其他 DAW 音轨。60Hz 的视觉显示可实时呈现神经元活动。

该插件采用多核引擎，并生成过采样输出。sonicLAB 建议使用性能等同于或优于 Apple M1 的处理器，这反映了以音频采样率分辨率运行 960 个神经元所需的计算需求。

SSNN 面向从事实验性及生成式创作的声音设计师，特别是那些寻求行为会随输入音频持续变化的合成乐器的创作者。实时神经网络学习、逐神经元音频处理以及 OSC 输出的结合，使其更接近于反馈驱动的模块化音色，而非传统的软件合成器。

功能
32 层共 960 个神经元。
八种合成引擎：脉冲发生器（Pulse Gen）、模态频移调制（Modal FM）和突触频移调制（Synaptic FM）振荡器（发生器）；颗粒合成（Granular）、波形塑形（WaveShaping）、频移调制（FM）、梳状滤波器（CombFilter）和磁带延迟（TapeDelay）（逐神经元音频处理器）。
实时音频频谱学习直接写入神经网络连接权重，无需预训练模型。
对神经网络行为的确定性至随机性控制，包括对随机注入的支持。
量化模式可将神经元放电限制在特定时间间隔内。
32层琶音器将网络架构映射到音乐音阶和和弦进行。
OSC脉冲广播输出。
附带NNnotes实用插件，可将OSC消息转换为MIDI音符。
60Hz实时神经元活动可视化器。
支持超采样输出的多核处理引擎。
完全可调整大小的矢量UI。
价格与购买信息


SSNN 可在 macOS 和 Windows 系统上使用，支持 VST3 和 AU 格式。SonicLAB 建议使用 Apple M1 或更高版本的处理器，售价 89 英镑（2026 年 7 月中旬前为 65 英镑的优惠价）。

官网：https://www.sonic-lab.com/ssnn-page