许多流行的吉他放大器和失真效果都是基于模拟电路的。

为了实现吉他信号的理想失真，这些电路使用了非线性组件，例如真空管，二极管或晶体管。

随着音乐制作变得越来越数字化，对模拟音频效果的忠实数字仿真的需求也在增加。

VesaVälimäki教授解释说，这是深度学习中的一个令人振奋的发展，“以前已经测试了用于吉他失真建模的深度神经网络，但这是第一次，盲测听众无法分辨录音与录音之间的区别。

假的失真吉他声!这类似于计算机第一次学习下棋的时间。

虚拟模拟(VA)建模领域的主要目标是创建这些模拟系统的数字仿真，这将允许将笨重，昂贵和易碎的模拟设备替换为可在现代台式机或便携式计算机上使用的软件插件。

可以使用电路建模技术精确地仿真特定放大器的电路，但是结果通常是模型，该模型对实时处理的计算量太大。

另外，必须为每个要建模的放大器创建一个新模型，并且该过程非常费力。

VA建模的另一种方法是“黑盒”建模。

黑盒建模基于测量电路对某些输入信号的响应并创建一个模型，该模型复制观察到的输入-输出映射。

这些结果来自的研究基于WaveNet卷积神经网络。

数字放大器模型是使用深度神经网络创建的。

从“目标”吉他放大器录制音频，该音频用于训练深度神经网络以模拟该吉他放大器。

博士生Alec Wright专注于使用深度学习进行音频处理，他说：“进行这些测试是为了验证模拟Blackstar HT5 Metal或Mesa Boogie Express 5：50+电子管放大器的模型的性能。

这些模型的创建着重于实时性能，所有模型都可以在台式计算机上实时运行。

所有这些都意味着，在不久的将来，吉他手需要做的就是将其插入运行深度神经插件的笔记本电脑，扬声器将发出令人信服的老式吉他放大器声音。

吉他放大器的纯粹主义者是否愿意放弃他们钟爱的装备还有待观察，但是这项创新为任何音频发烧友以数字方式获得所需的吉他声音铺平了道路，无论是马歇尔，奥兰治，芬达还是其他任何人，在路上还是在工作室里。