別のOSを使用していた頃、著者はリアルタイムでオーディオを処理し、それをより遠く、より軽く聞こえるようにするプログラムを使用していました。Linux用の簡単な代替プログラムを望んで、著者は自分で1つを書くことを決めました。ヘッドフォンで聴いてください。この抜粋はBacao Rhythm & Steel BandのP.I.M.P.からです。処理されたバージョンは耳から遠く、"耳に当たっている"感じが少なく、長時間聴いた後に"詰まっている"感じが少なくなります。
著者がLinux向けに書いていたため、ベーススタックはPipe Wireでした。オーディオの経験がなかったため、標準的なオーディオフィルターと心理音韻学的技術を試しながらLLMをサウンドボードとして使用しました。著者はHRTFについて学びました。これは、特定の方向からの音が方向と聴取者の幾何学に基づいて耳に到達する方法を記述します。MIT KEMARデータベースを使用した最初の試みは、無反射室録音のためにひどく聞こえました。部屋の応答を含むSADIE IIデータベースは、記憶している効果によく似ていました。しかし、このアプローチは限界を示しました。LLMは、実用的な指導なしに知覚的な包み込みと遅延フィールドの非相関について議論しました。プロジェクトはしばらく放置されました。
後に、著者は内部パラメータを発見する代わりに戦略を変更しました。比較のために友人のノートパソコンを使用して、著者はLinuxでオーディオを生成し、それをプログラムを通じて再生し、出力を録音しました。インパルス応答測定が重要でした。1つの非ゼロサンプルは、フィルタの減衰、形状、および位相遅延を明らかにします。畳込み式(x*h)[n]が適用され、フィルタが線形的で時間不変であると仮定されました。より大きなインパルスは、比例して大きな応答を引き起こし、組み合わされた入力は個別の和を生成します。
出典: Hacker News · 要約：HeadlinesBriefing