Grey-Box Modelling of Dynamic Range Compression

Alec Wright*, Vesa Välimäki

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

8 Sitaatiot (Scopus)
394 Lataukset (Pure)

Abstrakti

This paper explores the digital emulation of analog dynamic range compressors, proposing a grey-box model that uses a combination of traditional signal processing techniques and machine learning. The main idea is to use the structure of a traditional digital compressor in a machine learning framework, so it can be trained end-to-end to create a virtual analog model of a compressor from data. The complexity of the model can be adjusted, allowing a trade-off between the model accuracy and computational cost. The proposed model has interpretable components, so its behaviour can be controlled more readily after training in comparison to a black-box model. The result is a model that achieves similar accuracy to a black-box baseline, whilst requiring less than 10% of the number of operations per sample at runtime.

AlkuperäiskieliEnglanti
OtsikkoProceedings of the 25th International Conference on Digital Audio Effects (DAFx20in22)
ToimittajatGianpaolo Evangelista, Nicki Holighaus
JulkaisupaikkaVienna, Austria
KustantajaDAFx
Sivut304-311
Sivumäärä8
Painos2022
ISBN (elektroninen)978-3-200-08599-2
TilaJulkaistu - 2022
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaInternational Conference on Digital Audio Effects - University of Music and Performing Arts Vienna, Vienna, Itävalta
Kesto: 7 syysk. 20229 syysk. 2022
Konferenssinumero: 25
https://dafx2020.mdw.ac.at/DAFx20in22/
https://dafx2020.mdw.ac.at/DAFx20in22/index.html

Julkaisusarja

NimiProceedings of the International Conference on Digital Audio Effects
ISSN (painettu)2413-6700
ISSN (elektroninen)2413-6689

Conference

ConferenceInternational Conference on Digital Audio Effects
LyhennettäDAFx
Maa/AlueItävalta
KaupunkiVienna
Ajanjakso07/09/202209/09/2022
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Grey-Box Modelling of Dynamic Range Compression'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä