Deep Vintage
传奇硬件模拟,蕴含 Deep Vintage 灵魂
Deep Vintage 是一套传奇硬件模拟插件,将让你沉浸在真正的模拟魔力中。Deep Vintage 并不追求真正的电路复制或特定的音质,而是模拟声音的整体性,在数字世界中重现复古的“灵魂”。深度、光泽、低音饱和度……硬件声音灵魂的每一个细微差别都已准备好让你点燃,同时将 CPU 占用率和延迟降至最低。
APNN 2.0
采用三体科技专有的 APNN(音频处理神经网络)2.0 进行训练,Deep Vintage 只对声音进行学习,从而创造出与原始硬件无法区分的聆听体验。APNN
2.0 是一个专门用于模拟模拟硬件的神经网络。在训练过程中,APNN 2.0 和硬件将输入相同的音频,APNN 2.0 将学习硬件如何在波形和频谱维度上改变音频。这意味着训练有素的 APNN 2.0 实例可以捕捉其源硬件的动态和音调特性。下图演示了随着训练的进行,APNN 2.0 的波形和频谱响应偏差如何逐渐减小,最终与原始硬件无法区分。查看下面相应的演示,了解 APNN 2.0 如何逐步学习和复制硬件的声音。APNN
2.0 实例完成训练后,我们会进行严格的人工测试并进行调整,直到整个团队都未通过 ABX 测试。这让我们可以自豪地宣布:
在数字音频领域,没有什么比 Deep Vintage 更接近真实硬件了。Tube
Shelf
受到有史以来最具标志性和音乐性的程序均衡器之一的启发,Tube Shelf 忠实地模拟了原始电子管电子设备的均衡器特性和独特音调。Tube
Shelf 模块主要用于调整低频和高频。由于频带选项相对较少,它通常与其他均衡器配对,以进行更详细的音调塑造,最常见的是与 Tube Bell 和 Tube Filter 模块配对(见下文)。
亮点
多重饱和度、多级着色
借助 APNN 2.0 的强大功能,Deep Vintage 不仅可以模拟特定的频率响应或着色,还可以模拟所有微妙的“硬件魔力”:动态、空气感、相移、电子管电压下降、变压器的“铁声”等等。无论是微妙的着色、适度的饱和度,还是粉碎整个音频,其真实的性能都会让您忘记它是数字的。
独立谐波控制
对于真实硬件,谐波的数量在给定的旋钮设置下是固定的。然而,Deep Vintage 通过允许独立控制谐波(与所有其他音调特性分开),引入了超现实的灵活性。这让您可以调节高驱动设置的声音功率,同时保持干净音调的纯度。
低频饱和度
音频变压器的“铁”声 – 轻轻添加的低端周长和饱和度 – 体现了真实硬件的声音特性。Deep Vintage 不仅可以准确捕捉到这一点,还可以让您打开或关闭这种“铁”声,让您可以在变压器或无变压器版本之间切换。无论您想要厚重还是清晰的音调,它总能提供卓越的品质。
重新采样/上采样
几乎所有音频处理网络都以固定采样率运行,但我们通过优化网络实现了重新采样。 Deep Vintage 中完全重新设计的重采样算法可确保所有采样率的一致精度和保真度,使模拟完全不受采样率影响。此外,还支持高达 8 倍的过采样,有效消除任何混叠问题。
EQ 协同训练
大多数神经网络只能捕捉硬件的离散状态,因此只能提供有限的 EQ 组合。然而,Deep Vintage 独特地通过额外的 EQ 模拟支持完全连续的 EQ 调整。对于具有 EQ 的模型,“协同训练算法”会同时学习硬件原型的饱和特性,同时根据电路微调预先建模的 EQ 模块。这让您可以享受真实的硬件声音,同时完全自由地进行 EQ 调整。
磁带抖动/颤动协同训练
抖动/颤动是由于磁带传输系统的机械不一致而导致磁带机中发生的音高变化。抖动指的是较慢、更明显的音高波动,而颤动则是速度变化的更快形式。
和 EQ 联合训练一样,APNN 2.0 使用物理建模的哇音/颤动模拟,并与神经网络联合训练。这不仅使神经网络训练的结果听起来更真实,而且使建模的哇音/颤动效果更接近原始硬件。
可调节的本底噪声
Deep Vintage 系列模拟硬件固有的本底噪声,您可以根据需要调整其量。
“复古 DAW”模拟
此按钮的灵感来自于 2000 年左右经典 DAW 引入的极其微妙的变化(小于 -140 dB)。虽然变化微乎其微,但我们并没有忽视它们。您可以根据需要启用或禁用此功能。
低 CPU 使用率
无需昂贵的基于云的 GPU 集群 — Deep Vintage 就像任何其他插件一样在本地运行,并且 CPU 使用率极低。您可以轻松地将其插入每个轨道!
更多功能
• Apple 芯片原生支持
• 撤消/重做
• A/B 切换
• 输入/输出电平表
• 单声道模式
• LR/MS 处理
• 相位反转
• GUI 重新缩放
延迟
26 个采样点,44100 Hz 时约 0.6 毫秒
Rev1 修复定时炸弹。谢谢 Stevie Dude