文件名称：GuitarLSTM:使用LSTM和Keras进行吉他ampampal仿真的深度学习模型
文件大小：32.31MB
文件格式：ZIP
更新时间：2024-05-02 11:23:07
machine-learning deep-learning guitar keras-tensorflow Python
吉他LSTM GuitarLSTM训练吉他效果/放大器神经网络模型以对wav文件进行处理。 记录目标吉他放大器或踏板的输入/输出样本，然后使用此代码创建声音的深度学习模型。 然后可以将该模型应用于其他wav文件，使其听起来像是放大器或效果器。 此代码使用Tensorflow / Keras。 LSTM（长期短期记忆）模型可有效复制电子管放大器的声音，失真，过载和压缩。 它还捕获用于记录样本的麦克风/驾驶室的混响响应。 与WaveNet模型相比，此实现要快得多，并且可以在仍在CPU上进行训练的同时更准确地复制复杂吉他信号的声音。 信息 研究论文LSTM模型的一种变体 有关LSTM如何工作的详细说明，请查看此。 数据 data/ts9_test1_in_FP32.wav从Fender Telecaster播放，桥接拾音，最大音调和音量data/ts9_test1_out_FP32.wa
【文件预览】：
GuitarLSTM-main
----figures()
--------signal_chain_amp.png(31KB)
--------signal_chain_pedal.png(32KB)
----train.py(8KB)
----models()
--------ts9_model.h5(171KB)
----LICENSE.txt(34KB)
----requirements.txt(38B)
----predict.py(2KB)
----README.md(5KB)
----data()
--------ts9_test1_out_FP32.wav(31.41MB)
--------ts9_test1_in_FP32.wav(31.41MB)
----guitar_lstm_colab.ipynb(9KB)
----plot.py(6KB)