분류 전체보기 (144) 썸네일형 리스트형 [Logic Pro X][3] Drum beat(속도) 변경하기 트랙헤드에 보면 다양한 기능이 존재합니다 일단 지금은 속도 변경하는것만 하자면 Tempo 에 있는 숫자를 변경 하면 된다. beat 를 90으로 변경하면 속도가 달라집니다 여기서 내가 원하는 템포로 설정하면 됨 [Logic Pro X][2] drummer 로 시작하기 / audio 설정시 airpot 에서 소리 안남 -> audio output - surround 로 해결 처음에 시작할 때 Drummer -> 장르는 -> Rock 으로 설정 했음 audio output 이 No Output 으로 되어있었더니만 소리안났음 surround 로 했더니 air pot 에서 정상적으로 소리 나옴 하고 create 하면 드럼 트랙이 자동적으로 나와있음 [Logic Pro X][1] 환경설정 / 새창 열기 / software instrument start action 은 Do Nothing ! [1] 새창 열기 : shift + cammand + N [2] 열었을 때 나오는 창 [3] 설명 - software instrument : 가상악기 요새는 가상악기가 잘 되어있어서 대부분 이걸로 하면 된다. - Audio : 일반적으로 보컬 레코딩할 때 많이 사용한다. R 을 눌러 recording 할 수 있다. - Drummer : 로직을 구매하면 구매함과 동시에 드러머 들이 생기는 것과 마찬가지이다. 장르선택은 내가 하고 싶은것으로 하면 됨 - External MIDI : 외장 미디 인데 잘 사용하지 않습니다~ - Guitar or Bass : 기타나 베이스를 직접 recording 할 때 기타 같은 경우는 리얼한 음이 가상악기로는 어려운 부분이 있.. Joep Beving 윱 베빙 Nocturnal https://youtu.be/yxYEx7kN3dY 현대음악의 쇼팽 답게 제목도 Nocturnal https://youtu.be/sSxEg-HyFAE 그냥 시퀀서로 녹음한 작업물이 아닌 직접 피아노를 연주하여 녹음한 작업물. 그래서 그런지 페달소리, 건반을 타건하는 소리, 해머가 현을 두드리는 소리 모두 녹음 되어있는 음악이다. 그 작은 소음들로 인해 직접 앞에서 듣는 듯한 느낌을 받는데 그게 굉장한 편안함과 나른함으로 다가온다. https://youtu.be/9TbG7cbXYSA 윱베빙의 음악은 누군가의 잔잔하고 와인한잔 하며 책을 읽고있는 삶을 엿본듯한 느낌을 받는다 단순함 속에 녹아들어있는 예술적 감각 사실 듣기에 단순해 보일뿐 절대 단순하지 않다. [librosa] install : 가상환경 로컬 주피터 노트북에서 pip install librosa 를 실행하여 라이브로사를 설치합니다. # 관리자 권한으로 아나콘다 프롬프트 창 열고 (가상환경명 : snowdeer_env1) 설치시 활성화 시키고 conda activate snowdeer_env1 # 설치 pip install librosa 그리고 커널 리스타트하고 실행합니다. 만약 권한 오류나면 다음과 같이 설치합니다. pip install --user librosa [Tensorflow] Audio data preprocessing (오디오데이터 전처리) deeplearning 에서 audio 영역에서 널리 사용되는 기능은 mel-spectrogram 입니다. mel spectrogram 시간에 따른 신호의 주파수 스펙트럼을 시각적으로 표현 한 것 audio domain 에서 가장 인기있는 특징표현 (feature representation) 이다. 일반 spectrogram 은 frequecny domain 이 표현 되어있지만 , mel - spectrogram 은 mel scale (인간의 청각 민감도를 고려한) 으로 표현 되어있다. mel scale 은 로그 스케일 변환이 일어난다. ( 정식명칭 : log - mel spectrogram) log 는 scale , mel 은 requency domain 을 의미한다. 오디오 데이터를 5개의 간단한 s.. [Cornell University] Zero shot Audio Source Separation : 논문 분석 (1) 개요 Audio Sorces 분리는 AI 를 이용한 Audio processing 분야의 핵심 과제이다. 여러가지 악기가 녹음되어있는 하나의 audio 작품에서 하나 또는 그 이상의 각각의 악기 성분을 분리하는것 접근 방식 여러 사운드 유형의 소스분리를 위해 단일 모델 사용 훈련을 위해 레이블이 약한 데이터에만 의존 볼 수 없었던 유형의 오디오 소스를 분리하는 방법을 학습 성공적인 backbone 아키텍쳐 Wave-U-Net TasNet D3Net ⇒ 오디오 소스의 각 대상유형에 대한 전체 모델 매개 변수 세트를 교육해야한다. ⇒ 결과적으로 이러한 모델을 훈련하는데 많은 시간과 메모리가 필요하다. 문제점 범용 소스 분리로 알려져 있다. 즉, 가능한 한 많은 소스를 분리하기 위해 단일 모델만 필요하다는 것 문제.. [서울대 지능정보 세미나 - 이교구 교수] (4) NASY : Neural Analysis and Synthesis 신경망 기반 음성 분석 및 합성 보호되어 있는 글입니다. 이전 1 2 3 4 5 ··· 18 다음
