Vous rêvez de reproduire votre rig de guitare à l'identique, mais dans votre STAN ? Il semblerait qu'IK Multimedia ait la solution toute trouvée.
IK Multimedia a annoncé que très prochainement, son logiciel AmpliTube verra arriver la nouvelle technologie AI Machine Modeling. Cette dernière permettra de modéliser le son de n’importe quel ampli, baffle ou combo, ainsi que des pédales.En capturant le son sans traitement et le son traité, l’AI Machine Modeling analysera les effets appliqués et génèrera un algorithme de modélisation appelé Tone Model. Le développeur précise que sa technologie est telle que vous aurez la possibilité de modéliser amplis et baffles ensemble, puis de séparer virtuellement les deux pour essayer d’autres baffles.
Retrouvez toutes les informations sur l’AI Machine Modeling sur le site d’IK Multimedia.
News précédente
Suite des promos chez Expressive E
News suivante
Retrouvez la liste des logiciels et plug-ins compatibles Apple Silicon
Réagir à cette news
(3)
-
palmbeachPosteur·euse AFfranchi·ePosté le 21/07/2022 à 20:23:10Ouch... -
RdjpRAFicionado·aPosté le 21/07/2022 à 20:53:52Citation de palmbeach :Ouch...
Pareil, j'ai hâte de voir les premiers test :o -
TchtchPosteur·euse AFfiné·ePosté le 22/07/2022 à 11:37:09C'est probablement un outil cool... mais y'a des trucs qui poussent à la méfiance :
- Un Kamper fait passer tout un ensemble de sons pour couvrir l'ensemble du spectre sonore. Ce truc se base seulement sur un sample de votre guitare. Ça marche pour les comparaison A/B... mais il se passe quoi si vous changez de guitare ? Ou que vous jouez un autre registre ?
- Un Kamper (ou autre) connaissent leur converto/préamps et peuvent les compenser dans leur process, ce truc n'a pas la main dessus. Il se passe quoi si la DI colore le son différemment que l'entrée micro sur votre carte son ?
- séparer a posteriori les baffles et l'ampli ne parait simplement pas faisable (c'est sans doute juste une approximation avec un eq)
Et n'oubliez jamais : "IA" et "Réseau neuronaux" sont des buzzwords, ça permet juste d’accélérer le traitement des données. Si c'est mal fait, ça sera juste mal fait, mais plus vite. C'est pas magique (notamment par rapport au premier point : on peut pas traiter des données qui n'existent pas, même si y'a un réseau neuronal quantique derrière).