wilyams, Ну он же прав по сути, люди вроде вместе, а играют изолированно. И звук складывается потом изолированно.
Это не музыкальная группа, а разные люди играющие в одном моменте времени.
... и добавил:Разница в том, что я не предлагаю судить о лампе или цифре на основании того, что тут кто выложил или набубнел.
Есть критерии объективные, они вообще не зависят от того, кто про них сказал, они дают возможность проверить и убедиться самому при желании. Вот как результаты слепых тестов.
А все остальное - треп и субъективные предпочтения. Удобно, неудобно, кайф, некайф - это у каждого человека свое. В таких разговорах может быть и полезная информация, но контекст важен. Что нравится тебе, важно только тебе, и то же самое справедливо про меня, тут вообще непонятно, про какие «аргументы» речь.
Не, дело не в кривых тестах как таковых, тебе нужно чтобы тебя убедили - оно могёт так же.
... и добавил:Мешает не математика, не частота и даже не вычислительная мощность.
Математика способна описать физику с любой мыслимой точностью — у нас есть уравнения Максвелла,
дифференциальные уравнения для термодинамики и точные вольт-амперные характеристики каждой лампы.
Главное препятствие носит фундаментальный характер: это проблема размерности динамических систем.
Цифра спотыкается о то, что ламповый усилитель — это не набор отдельных схем (преамп, эквалайзер, оконечник),
а единая, неразрывная физико-химическая среда. Чтобы цифровая модель звучала неотличимо от оригинала в реальном времени,
ей нужно преодолеть три барьера:
1. Неразрывность связей (Проблема связанных дифференциальных уравнений)
В лампе всё влияет на всё одновременно. Вы ударили по струне
→
→ изменился ток датчика
→
→ изменилась нагрузка на сетку первой лампы
→
→ изменилось внутреннее сопротивление лампы
→
→ просело напряжение на трансформаторе
→
→ из-за просадки напряжения изменился тембр второй гармоники
→
→ нагрелся анод
→
→ его температура изменила эмиссию электронов через 50 миллисекунд
→
→ это снова повлияло на ток сетки.
Это бесконечная петля обратных связей, описываемая системой нелинейных дифференциальных уравнений.
В аналоге она решается физически «сама собой» за счет свойств материи.
В процессоре эту систему приходится решать алгоритмически.
Разработчики вынуждены разрывать эти связи на блоки: вот здесь мы моделируем блок питания, отдельно — нагрев катода,
отдельно — магнитный гистерезис трансформатора. Но каждый такой разрыв требует вычислений.
Попытка связать их все воедино в реальном времени приводит к взрывному росту сложности (𝑂(𝑛2)O(n2) или выше).
На текущем этапе развития архитектур проще обмануть ухо качественным слепком (IR), чем честно решить всю физику целиком.
2. Недостаток параллелизма (Архитектура CPU/DSP против физики)
Ламповый усилитель работает абсолютно параллельно. Миллиарды электронов движутся одновременно, никак не мешая друг другу вычислениям.
Процессор же — это конвейер. Даже самый мощный чип Axion Bionic или DSP SHARC выполняет инструкции последовательно
или небольшими параллельными группами.
Чтобы смоделировать хаос одного такта звука честной физической моделью, процессору нужно выполнить миллионы последовательных операций
с плавающей запятой. Физика происходит мгновенно, математике нужны наносекунды на каждое действие.
Если суммировать время прохождения сигнала через виртуальные компоненты, задержка (latency) составит секунды,
что сделает инструмент непригодным для игры.
Приходится упрощать математику до таблично-перегруженных функций (waveshaping) или статичных передаточных характеристик,
которые лишают звук инерции.
3. Проблема начальных условий и квантования пространства состояний
Аналоговая система имеет бесконечное разрешение.
Напряжение может быть любым числом между 0 и 300 вольтами.
Цифра оперирует конечным набором чисел (даже 64-битный флоатинг пойнт имеет предел плотности).
Кроме того, состояние лампы зависит от предыстории. Звук «плавает», потому что схема находится в состоянии теплового дрейфа.
Чтобы цифровая модель начала вести себя как конкретный винтажный Marshall 1968 года,
ей нужно знать начальную температуру каждого резистора, износ конкретного стекла и точное отклонение номиналов деталей от нормы.
Мы просто не вводим эти данные в процессор. Он стартует с идеальных нулевых условий, поэтому звучит стерильно.
Что именно является узким местом сегодня?
Если отбросить философию и посмотреть на железо, мешает архитектура самих вычислительных ядер:
Последовательное выполнение ветвлений: Лампа реагирует плавно. Цифровой алгоритм постоянно проверяет условия if (signal > threshold).
Эти переходы заставляют процессор очищать кэш предсказания инструкций, создавая микрозадержки, которые убивают атаку.
Шина памяти: Для моделирования сложной динамики (например, пружинного ревербератора или ленточного эмулятора)
нужно непрерывно читать и записывать огромные массивы данных, имитирующих движение частиц.
Скорость обмена данными между ядром и памятью пока ниже скорости распространения звуковой волны в металле.
Энергопотребление и теплоотвод: Честная физическая симуляция целого тракта потребует мощности дата-центра
прямо внутри напольного процессора. Это превратит педалборд в раскаленную сковородку.
Есть ли выход?
Технически он уже намечен, но индустрия гитаристов консервативна:
Асинхронное моделирование.
Разделение задач: один сверхбыстрый чип считает только мгновенную форму волны (искажения), а отдельный сопроцессор медленно,
с большой задержкой, дорисовывает модуляцию от нагрева и блока питания, подмешивая её к основному сигналу незаметно для уха.
Нейроморфные чипы. Процессоры, архитектура которых имитирует нейроны мозга.
Они не считают цифры, они меняют свое физическое состояние под воздействием входящего сигнала.
Именно такие чипы могут дать ту самую непредсказуемую массу, так как перестанут быть «калькуляторами».
Гибридные схемы.
Использование реальных компонентов там, где цифра слаба.... и добавил:Еще вот этот момент интересен:
... и добавил:ты пишешь:
даже 64-битный флоатинг пойнт имеет предел плотности
Поясни - детально.
... и добавил:Предел плотности 64-битного числа с плавающей запятой (стандарт IEEE 754 double precision)
— это фундаментальное ограничение того, как компьютеры представляют физический мир.
Проблема не в том, что «чисел мало», а в том, как именно они распределены по числовой оси.
Анатомия 64-битного float: где прячутся числа
Число двойной точности делится на три части:
Знак (1 бит): плюс или минус.
Экспонента (11 бит): определяет порядок величины (масштабирует число).
Это позволяет формату охватывать гигантский диапазон — от субатомных частиц до размеров Вселенной.
Мантисса (52 бита): значащие цифры самого числа. Именно здесь скрыта проблема.
52 бита мантиссы дают 2 в 52 степени возможных комбинаций для дробной части.
Это примерно 4 квадриллиона 503 триллиона (4.5×10 в степени 15 ) уникальных значений внутри каждого десятичного порядка.
Кажется, что этого более чем достаточно для звука, ведь динамический диапазон аудио едва превышает 140 дБ.
Но математика работает иначе.
Суть проблемы: линейная плотность при логарифмическом восприятии
В системе с плавающей запятой количество доступных чисел между двумя точками зависит не от амплитуды сигнала, а от его порядка.
Рассмотрим два примера в диапазоне слышимости (от -144 dBFS до 0 dBFS):
Громкий сигнал (амплитуда около 0.5 – 1.0):
Между числом 0.999999 и 1.000000 у нас есть огромный запас из миллионов промежуточных значений 64-битного флоата.
Округление здесь невозможно услышать даже на самом чувствительном оборудовании.
Тихий сигнал (амплитуда около 0.000001, что соответствует уровню ниже -120 дБ):
Здесь шаг сетки становится критически важным. В районе таких малых величин расстояние между двумя соседними представимыми
числами фиксировано экспонентой.
Для 64-битного формата минимальный шаг (машинное эпсилон) вблизи единицы составляет
2
−
52
≈
2.22
×
10
−
16
2
−52
≈2.22×10
−16
. Однако по мере уменьшения абсолютного значения числа относительная погрешность квантования начинает играть роль.
Когда вы работаете с очень тихими затуханиями реверберации или шумом комнаты, компьютер физически
не может поставить точку «посередине» между двумя разрешенными уровнями. Он вынужден округлять значение вверх или вниз
к ближайшему доступному числу.
Почему это убивает динамику («мертвая тишина»)
В аналоговом мире (лампа, лента) нет сетки. Сигнал может затухать бесконечно долго, пока тепловой шум электронов
не сравняется с амплитудой волны. Затухание там абсолютно гладкое и непрерывное.
В цифре происходит следующее:
Ступенчатое исчезновение: Когда амплитуда звуковой волны становится сопоставима с шагом сетки 64-битного числа
(в зоне крайне низких экспонент), волна перестает быть плавной синусоидой.
Она превращается в набор разреженных прямоугольников или точек.
Корреляция ошибки: Ошибка квантования перестает быть случайным белым шумом. Она начинает зависеть от формы самого сигнала
(коррелирует с ним). Мозг человека феноменально чувствителен к таким коррелированным искажениям.
Вместо естественного шлейфа мы слышим низкочастотный гул, свист или металлический призвук (digital hashing).
Абсолютный пол: Ниже определенного порога (примерно уровень младшего разряда денормализованных чисел) сигнал
просто обрывается в идеальный математический ноль. В лампе после ноты остается «дыхание» воздуха и нагретого стекла.
В 64-битном процессоре после него наступает мертвая, пугающая пустота.
Как это проявляется в гитарном процессоре
Детальность 64-битного флоатинга ломается о нелинейные функции, которые и создают гитарный перегруз.
Алгоритм дисторшна берет входящий семпл и прогоняет его через функцию передачи
(например, гиперболический тангенс — tanh, имитирующий мягкое насыщение лампы):
𝑦
=
tanh
(
𝑥
)
y=tanh(x)
Где
𝑥
x — ваш чистый звук. Проблема в том, что функция tanh tanh сжимает пространство.
Если во входящем сигнале было 4 квинтиллиона уровней, то после прохождения через сильную компрессию и сатурацию
их остаются миллионы.
Информация безвозвратно выбрасывается еще до того, как результат будет записан обратно в 64-битную сетку.
Более того, любая сложная DSP-цепочка (эквалайзер -> гейт -> преамп -> кабсим -> реверберация) накапливает
эти микроскопические ошибки округления. На каждом этапе математики процессор вынужден приводить промежуточные результаты
обратно к сетке 64-битного стандарта. Этот накопленный мусор оседает на хвостах реверберации и обертонах,
лишая их объема. Именно поэтому цифровые холлы часто звучат «тесно» и «песочно» по сравнению с пружинными или
листовыми ревербераторами.
Есть ли спасение?
Инженеры борются с этим пределом плотности несколькими способами:
Внутренний оверсемплинг на экстремальных порядках:
Внутри ядра плагина вычисления могут временно переходить в программную эмуляцию 80-битной или даже 128-битной точности
(long double), чтобы сетка была настолько плотной, что ошибка округления станет меньше теплового шума резистора.
Добавление дизеринга (Dithering): К сигналу специально подмешивают ничтожное количество белого шума.
Психоакустика такова, что мозг предпочитает ровный фоновый шум мерзкому цифровому скрежету.
Шум «размазывает» ошибку квантования, делая её хаотичной и тем самым скрывая ступенчатость тихих сигналов.
Денормальные числа (Denormals): Современные процессоры используют хитрость для работы со сверхмалыми величинами,
но переключение в режим обработки денормалов резко снижает производительность CPU (в десятки раз),
создавая артефакты выпадения звука. Разработчики принудительно вбивают DC-смещение (bias), чтобы держать числа
подальше от этой зоны.
Предел плотности 64-битного float — это та самая стеклянная перегородка,
за которой математика заканчивается и начинается чистая физика.
Мы можем расширить эту перегородку, сделав стекло толще (увеличив точность), но убрать её полностью,
оставаясь в рамках кремниевой логики, невозможно.... и добавил:Что из этого можно вынести, цифровой и аналоговый мир принципиально разные.
Цифра не заменит лампу, лампа не заменит цифру, да в какой-то точке они пересекаются, и становятся похожими,
нечто вроде моментальной фотографии которая повторила момент, и в этом плане да, попадание за вычетом качества конкретных алгоритмов можно сказать 90%.
Но объекты динамичны, и через сотую долю секунды фотография уже не передает момент, он в прошлом, сама она выдумать\додумать естественную динамику, учитывая все мириады условий естественного практически хаотичного движения не может.
Гибриды да, снимают часть проблем, скажем аналоговый овердрайв перед тем как процессор начнет полллюционировать своими цифрами, алгоритму легче - ошибок меньше. Об этом я ранее писал. Но это лишь костыль.
Что остается, тупое привыкание к процессорному звуку, т.е. не замена одного другим, а принятие того, что есть.
Это как вонь в комнате, вы просто привыкаете, что в комнате воняет, и не обращаете внимание, вонь становится составляющей.
Такова наша психология адаптирования к условиям.
И весь маркетинг, а там психологи по круче нас, прекрасно это знают, чем и как обмануть, строят весь бизнес.
Достаточно запустить, человек как обезьяна на рефлексах подхватит "тренд". Остается лишь чуть чуть подталкивать в нужном направлении.
... и добавил:Ранее я писал о том, что люди оглохли.
Речь шла не о том, что плохо стали слышать тихие звуки, хотя и такое сейчас сплошь и рядом.
Люди оглохли от неживого звука, по сути перегрузка мозга. Люди перестали слышать тонкие нюансы.
Те же модели мп3, что они делают, тупо выкидывают соседние частоты, которые как бы, и не очень нужны.
Я помню годы тому, люди еще могли различить разницу в мп3 320кб, сейчас уже нет, при этом модели не поменялись.
Просто - оглохли.
И да, я то же в этом плане глохну. Но разница в том, что я это понимаю. А не делаю вид, что ничего не происходит.
Как это происходит, когда сам пишешь кого ни будь. В высоком разрешении, 24\96кГц, все источники аналоговые, компьютер выступает в роли простого магнитофона, еще за долго до этапа чистки и сведения.
Информации от мультитрека столько, что просто мозги плывут. Хочется выключить на хрен и побыть просто в тишине.
Т.е. перегрузка информацией. Потом в этапе сведения, более половины, даже две трети информации выкидывается.
И тогда становится комфортно. Мы привыкли к упрощенным и шумовым звукам.
Размещение рекламы
Голосование