「模拟/电子」之争，会因为机器学习而 "停停" 吗？

7680351

「模拟/电子」之争，会因为机器学习而 "停停" 吗？

" n' a; E: r: i9 R: m% u1 P/ j
( {$ a4 c0 V& ?
6 P/ f1 y5 n4 a! V4 [" j  m如果你对科技还算感兴趣，那么你应当对于近年来备受瞩目的机器学习（Machine Learning）技术有所耳闻。从交通警报到实时翻译，AI 人工智能正在涉足各个领域并迅速地将产业链解构重组。
- O6 Q& k9 k1 o  s0 D
7 X$ F8 F. @  v- f
: B( b; {- H9 H7 L4 T( r& X- D
然而在音乐创作的领域中，人们似乎对于这种新科技的全面革新始终保持着一种拒绝的态度。如今很多（尤其是原本作为吉他手）的音乐制作人们都对 Analog（模拟/类比）与 Digital（数字）之间的角逐各持己见，尽管市面上已经充斥着大量的 Digital 版本的 Analog 软件。许多设备控常常抱怨，相比他们手中货真价实的硬件，这些硬件的数字版本基本上都不能做出硬件本身的那种温暖、有个性的音色。

% s7 [! F5 I' W3 N7 j
( g0 y: l. i. x4 M: V
然而由软件工程师 Boris Kuznetsov, Fabian Esqueda 以及 Julian Parker 联合构建的智能电路建模技术（Intelligent Circuit Modeling，后文简称为 ICM ）向人们展示出了不同于以上这两个阵营的全新技术。通过训练虚拟神经网络，ICM 能够制造出一套算法来模拟硬件的内部运行细节。
3 k* X$ V4 E! L" L. O
$ O* P# e1 p( B# M5 N0 o3 O& T
, S: R8 Y+ [/ D
最近发布的 GUITAR RIG 6 PRO 概述了 Bass Invader, Chicago, 以及 Fire Breather ，它们是首批通过新技术研发出的放大器。因此我们联系到了他们的开发团队希望能了解到更多细节。

  W- O  {+ Q9 r, n4 R& i: ^# F
0 m( I# y: ~( Z9 h6 u. u

, H. \  w; h4 j, N- w  m# A
& L, c, ]1 Z3 J& x
3 M0 y: n+ R' v2 fTHE PAST / 过去


6 C" E( P: j2 y' C
% r; n1 t3 w0 X7 `为了能够完整的感受到 ICM 科技的特别之处，我们需要将目光回溯到更传统的的电路建模方式。我们可以粗略地将其分成两大类，“黑匣子”与“白匣子”。

) s' w9 d0 ~/ n& |% j4 i7 l

对此，Julian 解释说：“黑匣子的电路建模理念是让你只去考虑 输入端（Input）和 输出端（Output），而不是把精力放在两者之间。” 你的目标是去尽可能地复刻出硬件原本的音色，而不需要去担心硬件内部的工作原理。



( \0 A& [! D3 e( ]" W! W. wFabian 补充到：“你或许会想到在 Amp（放大器）软件中构建一些近似的元素，比如将 PreAmp（前置放大器），或者是一些 Tube Distortion（电子管失真） 以及滤波器插件结合，来模仿放大器中的电路结构。但问题在于，你并不能完整地模仿其内部元件相互作用时的方式。”

5 o: k6 v. H+ _

( K* M& D8 I4 }& _在一个硬件放大器中，所有的音高控制元件、电子管、以及其他部件之间的物理关系是每个硬件都有属于自己独特音色的关键。而这些物理关系会基于输入的声音以及不同的控制设定持续地变化和改变。想要复刻出这种物理关系的细节变化是非常困难的，这意味着一些关键的声音元素或许会丢失。
5 Q1 @% C5 A: k



“而白匣子建模则是截然不同的，” Julian 继续说道。“这就要把精力完全放在复刻硬件内部的运作过程上，而这需要你对机械背后的运作原理有很深层次的理解。但是如果要完整制作一个传统的吉他放大器的模拟电路，需要大量精细的工作。这甚至需要几个月的时间。”



Fabian 进一步指出，理论和图表并不能完全体现出硬件设备的音色。“甚至是当你已经算出所有的数值以及用于设计这个放大器的具体公式，但是依然不能完整的展示出这个硬件的声音。两个相同款式并且型号也一样的硬件模拟合成器都会有属于自己的声音，即使它们出于同一设计。这就是硬件的魅力所在。
4 G; [( z; P! @3 G- ^( b$ }9 w2 i

! Y7 E% p1 h6 i( ~
Julian 解释道：“如果是电子管的话，它们的数学模型并不一定准确。”



* D' z- X2 g. G& a无论是用哪种方法，你都无法完美复刻在传统方式下制作出来的电路模型的音色，而这才是“模拟”设备的独特之处。由此一来，智能电路模型大展身手的时候到了。
8 Q4 y5 k5 l- Q
6 v( b7 q- U* {


$ w/ f# b% C; L: m# @
# O- x0 T9 C# ?4 x! M0 ^) K
: z  Y7 g" Z$ D$ U" n9 yTHE PRESENT/ 现在
# z- F* l6 ]2 ]7 r+ o# R$ [

& }' n, \3 g  B0 b2 y
# M+ O0 n) _  j3 w, b% j9 E" H“在 2017 年末，ICM 开始进行第一次的项目开发，当时我们正在制作来自 CRUSH PACK 效果器系列中的 DIRT 。” Julian 解释道。“电路建模的过程其实是受到了在制作 DIRT 效果器时用到的一个很巧妙的数学公式的启发，并且在当时我们无法直接演算。通常为了继续推进进度，我们必须进行迭代。换句话说，为这个难题做出一个合理的猜想，然后不断重构这个猜想直到发现一些有用的东西。因此我们就想出了一个方法，通过训练一个机器学习系统来帮我们完成这件事。”


4 w+ w4 M- @/ C9 f/ S0 |" F
“之后我们便开发出了一个为公式建模的技术，最终发展成了为整个电路建模，” Fabian 继续说道。“在这一节点我们意识到这是一个非常革新的技术，所以我们决定正式发表这项技术并与注册专利。”
1 M- Y' x& Y6 Z6 M

; ^- ~" X! t' }* ]) h! Y- k  \7 o' Y* o
5 H( x% d3 ]! D2 Z% {在 2019 年 9 月，团队正式在英国伯明翰举行的第 22 届 Digital Audio Effects 国际会议上发布了这项技术。
4 g0 {* n1 d- \* x6 c, R" @( J

# M* N' j. I7 y6 C$ j2 C+ [+ E) G


$ B! A9 U: e1 y8 a8 u2 v在这里你可以看到他们关于这项技术的学术论文 (⚠️硬核数学警告)：
# f; I/ E/ ]& \% e" A' A0 ?7 z
/ P" l* G' }) ehttp://dafx2019.bcu.ac.uk/papers/DAFx2019_paper_42.pdf
+ v* S1 k4 q5 g! F( |0 w


1 ~, {, B. {, b  n% |
' G  x0 r4 x1 W9 g7 w. ?6 r
最初，这项学术研究的重心主要专注于复刻合成器滤波以及一些失真单元。但自从 GUITAR RIG 6 PRO 的项目启动后，这个新技术就被理所当然地用在了吉他放大器上。
( m; X* P  l4 W0 m+ y" S2 i

/ x0 b3 J9 A) C
随着这个项目继续进展至 2020 年，其进程也或多或少地受到了 COVID-19 的影响，于是 Boris 便在自己的公寓中搭建了实验室，将自己的生活空间 “贡献” 给了电子管、电容器、电线以及各种小零件和一些经典的吉他放大器硬件，好让研究能够继续进行。



“在那段时间里，Boris 真的是我们的英雄，” Fabian 说道。“在我们都被禁足的时候，他独自一人做了大量的测量，如果没有他，我们不可能在预计的发布时间内完成这个项目。”

/ X  o' t5 R1 N# a) i4 E1 v
2 x, f  @( x* F, i% h7 H



/ n/ [; `/ q: w  K
$ H; F8 e& n2 E6 B: @% GBoris 接下来解释了其中的一些具体过程：“你可以把它想成地图上的 A 点到 B 点。你知道自己的起点以及你想去的地方，但是你并不确定在这个旅途中需要经过的地点。这就和一个放大器的输入和输出一样，我们需要在其中的很多交点（被叫做 “States”）上做电子测量，这些 States 有点像那些在地图上的隐藏点，它们代表着这个电子系统中，所有我们需要知道的动态点。”