소프트웨어·플러그인

머신 러닝 기술을 적용한 Accentize의 리얼 타임 리버브 제거기 ‘DeRoom’ 출시

뮤직텔레그래프 2020. 3. 25. 13:08

독일 Accentize사의 플러그인 ‘DeRoom’ 머신 러닝 알고리즘을 통해 불필요한 리버브나 레조넌스(room resonance) 실시간으로 제거한다.



디룸(DeRoom) 메인화면



머신 러닝(machine learning) 분야의 최근 발전은 우리가 데이터를 다루고, 이해하고, 처리하는 방식을 변화시켰다. 새로운 이론적 통찰력, 자유롭게 사용할 있는 프로그래밍 라이브러리의 증가, 컴퓨팅 리소스에 대한 액세스 증가로 인해 데이터 처리 문제를 다른 각도에서 해결할 있는 새로운 가능성이 대두되었다. Accentize사는 최첨단 머신 러닝 이론을 오디오 신호 처리 영역에 적용하는 중점을 두고, 최첨단 연구와 그것의 생산 구현 사이의 격차를 해소해 왔다. 새로 출시된 Accentize사의 ‘DeRoom’ 플러그인을 사용하면 오디오 녹음에서 불필요한 리버브(reverb) 레조넌스(room resonance) 쉽고 자동화된 방식으로 처리할 있다.




‘DeRoom’ 실내 음향(room acoustics) 분석하는 특수 훈련 인공 신경망(artificial neural network) 하에서 작동하는 실시간 리버브 제거기(real-time reverb reducer) 입니다. ‘DeRoom’ 적용된 인공 신경망은 반향음(reflection components) 직접 소리(direct sound) 분리할 있도록 다양한 실내 환경(room scenarios)에서 훈련되었습니다. 인공 신경망과 같은 머신 러닝 기술(machine learning techniques) 도움으로 ‘DeRoom’ 모든 종류의 실내 환경에서 실시간으로 리버브와 레조넌스를 감지하고 제거할 있습니다.




DeRoom 엔진의 개요

‘DeRoom’ 소형(small), 중형(medium) 대형(large) 가지 다른 사이즈로 시뮬레이션된 룸에서 리버브와 레조넌스를 감지하고 분석하도록 설계되었습니다. 리버브 감지 알고리즘은 세가지 상황에 각각 최적화되도록 개발되었으며, 가지 유형의 룸에서 알고리즘을 서로 쉽게 비교할 있습니다따라서, 가지 알고리즘은 사이즈에 맞게 각각 최적화되었으며 결국 사용자는 세가지 하나의 사이즈를 선택하여 그들의 녹음 결과물에 보다 디테일한 리버브 제거를 실행할 있습니다.



사이즈에 따른 각각 다른 상황에 최적화된 3개의 알고리즘






리버브 컨트롤

‘DeRoom’ 머신 러닝 알고리즘 기반으로 실행되고 있다는 점을 잊지 마십시오. 따라서 사용자는 리버브의 시간값을 계산하고 일일이 손으로 세팅할 필요가 없습니다. ‘DeRoom’ 알고리즘은 모든것을 스스로 자동으로 처리하기 때문에 사용자는 오직 리버브 감소량만 조절하고 나머지는 ‘DeRoom’ 신경망이 처리하도록 놔두면 됩니다.




사이즈 선택 - small, medium, large


플러그인 상단에는 Bypass 버튼과 함께 Room Size 선택 기능이 있습니다. Room 크기는 small, medium, 또는 large 설정할 있습니다. 처리하려는 Room 환경에 따라 적절한 Room Size 선택하면 최상의 효과를 얻을 있습니다.





처리되는 시그널 레벨을 보여주는 윈도우 (Signal Level Visualizer)



Signal Level Visualizer 플러그인 인터페이스의 중앙에 위치합니다. 시그널 레벨 비주얼라이저는 재생중인 오디오 시그널을 로그(logarithm) 형태의 시그널 에너지로 보여줍니다. 화면 바탕에 있는 시그널의 회색 부분은 필터에 의해 제거된 시그널의 원래 레벨을 나타내며 컬러 부분은 처리된 출력 시그널 입니다. 오디오를 재생하는 동안 사용자는 필터에 의해 얼마나 많은 양의 시그널이 제거되고 있는지 직접 모니터링할 있습니다.





Room Sound(리버브 레조넌스) 제어를 위한 파라미터


인터페이스 하단에는 Room Sound (reverb and room resonance) 제어하는 ​​ 가지 파라미터가 있습니다. 'Sensitivity' 시그널에서 필터에 의한 리버브 감소가 얼마나 공격적으로 작동되는지를 조절합니다. 만약 사용자가 낮은 값으로 Sensitivity 설정하면 처리된 시그널은 가능한 부드러운 소리로 유지되지만 여전히 일부 Room Sound(리버브 레조넌스) 포함하고 있습니다. Sensitivity 값을 올리면 Room Sound 많이 제거할 있지만 프로세싱 과정에서 발생할 있는 오디오 잡음(artifacts) 발생할 수도 있습니다.


‘Reduction’ Room Sound 얼만큼 줄일것인지를 결정하는 파라미터 입니다. 100% Reduction Room Sound 완벽하게 제거하고 오직 드라이한 직접소리(direct signal) 남깁니다. 반면 0% Reduction Room Sound 줄이지 않고 그대로 놔둡니다.


‘Make-up’ 프로세싱후 시그널에서 발생할 있는 레벨 감소를 보상하기 위해 처리된 시그널의 게인(gain)값을 올려줍니다.






DeRoom 거친 소리

‘DeRoom’ 거친 드럼 사운드는 Room Size세팅에 따라 변했으며 세팅된 사이즈가 클수록 리버브 잔향은 감소되었습니다. ‘DeRoom’ 각각의 알고리즘은 시뮬레이션된 Room scenarios 근거하여 자동으로 리버브와 레조넌스를 감지하며 결과적으로 Room환경에 따라 서로다른 직접음 반향음의 비율을 보여줬습니다. ‘DeRoom’ 필터는 시그널의 다른 부위에는 반응하지 않고 오직 Room Sound만을 정확하고 세밀하게 제거해 필자는 드럼 트랙에서 어떤 변조나 컬러링 되지 않은 깨끗한 직접소리(direct sound) 시그널을 얻을 있었습니다. 다시 말하는데, ‘DeRoom’ 사용해 시그널의 직접소리와 반향음(reflections) 깨끗하게 분리하는 것은 매우 쉬우며 ‘DeRoom’ 거친 프로세싱된 시그널은 아주 현실적인 사운드를 들려줍니다. 한편, ‘Sensitivity’ 시그널의 음색(tonal quality) 변화시킬때도 사용되며, 이는 사용자로 하여금 Room 벽의 재질과 모양을 원하는 대로 설정하는 것을 가능하게 합니다.


‘DeRoom’ 적용된 인공 신경망은 반향음(reflection components) 직접 소리(direct sound) 분리할 있도록 다양한 실내 환경(room scenarios)에서 훈련되었습니다. 따라서 ‘DeRoom’ 플러그인은 다양한 실내 환경에 존재하는 거의 모든 종류의 Room Sound(리버브 레조넌스) 다루고 처리할 것으로 보입니다.









‘DeRoom’ 주요 용도:

  • 오디오 트랙의 리버브(reverb) 레조넌스(room resonance) 실시간으로 줄여줌
  • 직접소리(direct sound) 반향음(reflection components) 깨끗하게 분리함
  • 어쿠스틱(room acoustics) 사용자의 취향에 맞게 변경해줌 
  • 다양한 종류의 리버브와 레조넌스들을 특별한 노이즈 발생 없이 처리함
  • and more.





가격 정보:

 

€41.00 EUR (발매 기념으로 할인된 가격: 2020 3 27 까지 적용됨)


 


*macOS Windows 7일간 전체 기능 평가판 버전을 무료로 다운로드 받을 있습니다: 여기






Accentize 머신 러닝(machine learning) 분야의 최근 발전은 우리가 데이터를 다루고, 이해하고, 처리하는 방식을 변화시켰다. 새로운 이론적 통찰력, 자유롭게 사용할 있는 프로그래밍 라이브러리의 증가, 컴퓨팅 리소스에 대한 액세스 증가로 인해 데이터 처리 문제를 다른 각도에서 해결할 있는 새로운 가능성이 대두되었다. Accentize사는 최첨단 머신 러닝 이론을 오디오 신호 처리 영역에 적용하는 중점을 두고, 최첨단 연구와 그것의 생산 구현 사이의 격차를 해소해 왔다.






'DeRoom' 대한 보다 자세한 정보