全球热消息：Modeler vs Profiler ?! ｜NUX AMP ACADEMY vs IK TONE X

Modeler vs Profiler ?!

NUX AMP ACADEMY vs IK TONE X

【资料图】

Stomp-box Modeler

https://monkcustom.blogspot.com/2022/01/AmpAcademy.html

之前我們在2022年3月份，寫過一篇橫向對比的Stomp-box Modeler，介紹了市面上常見的產品，如NUX Amp Academy、Strymon Iridium、Walrus ACS1、Atomic Ampli-Firebox、BOSS IR-200等等。

而主打Plug-In軟體的IK Multimedia也在AmpliTube的基礎上，推出Stomp-box Modeler: TONE X。 TONE X採用的算法是類似QC的AI建模，源自跟KEMPER系出同門的『黑盒算法』。

理解大家沒有耐心看一堆文字敘述，所以我們直接上主菜，音色對比。

這邊我們挑選幾個有共同音箱模型的Reference來做對比。(搭載一樣的IR檔。)

Amp Modeling & IR

在說明Modeler與Profiler之前，我們先來講述一下Amp Modeling跟IR之間的區別，我發現有許多人對於這兩者之間的定義有所混淆。

我們在中文說到的『音箱模擬』指的就是『Amp Modeling』，也就是針對『音箱』來做建模的動作。後面我們會講述到Modeling的方法。

而IR其實是近幾年用來實現Cab Sim的一種方法，在之前的文章有提到過，近年因為DSP運算力上來了，所以早期採用濾波器做Cab Sim的方法就改由IR卷積取代了。 所以IR指的是『箱體模擬』，並非『音箱模擬』。

Amp Modeling: Modeler & Profiler

音箱模擬，顧名思義就是要去『模擬』音箱，那麼我們得先來看一下，我們要去模擬什麼樣的音箱。

首先我們理解到我們要模擬的對象『Electric Guitar Amps』有很重要的特性，那就是帶有『失真』信號。即使是我們認為的Cleanish類別音箱，其實相較於Acoustic Guitar Amp 或者 PA系統，還是帶有失真特性。

而我們所說的Electric Guitar Amp往往指的就是Tube Amp。 因為吉他手們喜愛真空管音箱那“溫暖且肥厚的音色”以及“充滿生命力的失真”。

而電吉他音箱主要形成音色的部分在前端的PRE-AMP，這部分也是主要失真特性的來源。 所以在Digitech 、Zoom、Line 6這三個經典綜效老牌（2005~2010主力綜效品牌）在當時半導體行業發展下，採取了『Waveshaper』的建模方式。 這種建模方式的好處是，工程師不用理解真空管電路的工作原理。（小編為1983年生，在大學時期的Smith電子學聖經本早就沒有“真空管”了，當時電子行業也早已經是半導體為主流了。）

這是Preamp的最後一級，旨在驅動效果環路，也是第一個出現失真的Preamp級。 該設計類似於 Mesa Boogie MK I 中的Preamp失真級。

陰極電阻器被完全旁路，以防止負反饋降低三極管電路的豐富非線性行為。 R1 和 R2 形成分壓器，以將大約 100V 峰值的最大板電壓擺幅降低到大約半伏峰值的最大影響發送擺幅。

根據 12AX7 計算器，柵極偏壓在非常溫暖的 -1V。

隨著輸入信號的增加，上游電阻網絡上的電網電流的影響會壓縮正向電網電壓擺幅。 輸入信號的負擺幅不受限制。 嚴重的不對稱性會產生大量的二次諧波失真，這種失真會提前達到穩定狀態並持續到負電網電壓擺幅達到大約 -3V。 此時，峰峰值板電壓擺幅幾乎達到極限。

當負柵極電壓擺幅超過-3.5V時，正極板電壓擺幅從溫和壓縮轉變為急劇削波。 輸出波形變得更加對稱，三次諧波失真開始占主導地位。 超過該點，輸出信號達到最大值 - 它無法響應輸入信號幅度的進一步增加。

Traditional Waveshapers

傳統上，電吉他音箱的非線性行為是通過『Waveshaper』來建模的，它將輸出描述為輸入的函數。 例如，這是 Line 6 專利中包含的波形整形器。

對於線性電路，傳遞函數是一條直線。 Line 6 Waveshaper在正負輸入擺幅的極端情況下顯示壓縮。 它還描繪了不對稱失真，因為正電壓擺幅的曲線不是負擺幅曲線的鏡像。

聊到這裡，估計非工科的朋友已經暈倒了，所以我們就此打住，關於Waveshaper建模，後期有更多改進方法如“採用高通濾波器來捕捉耦合電容器 CG 的低頻行為“。

以及 “Cubic Spline Interpolation of the Transfer Function“、”A Digital High-Pass Filter to Emulate the Coupling Capacitor“ 等作法。

The origin of Modeler

在2000年時，Line 6發表PDO，由於主打Amp Modeling的概念，從此綜合效果器就有了新的名詞定義～Modeler。

Black Box & White Box

2007年，Fractal Audio發表Axe-Fx，採用ADI的SHARC，運算力足夠實現『IR卷積』以及『白盒算法』。

2010年，Kemper發表Profiler，採用『黑合算法』建模。(讓我們稱之為Profiling。)

Black-Box

https://en.wikipedia.org/wiki/Black-box_testing

黑盒算法建立的基礎在於系統自身信息不可知，而在只有輸入輸出關係的情況下獲得系統的傳遞特性的方法。

一般來說，工程師不需要程式代碼應用、內部結構和編程知識的具體知識。 測試人員知道軟體應該做什麼，但不知道它是如何做的。 例如，測試人員知道特定的輸入返回特定的、不變的輸出，但不知道軟體首先如何產生輸出。

黑盒算法是在對實體音箱或者效果器的內部結構未知的前提下，憑藉信號輸入/輸出的關係來猜測整個機器的工作狀態，當猜測的正確率達到一定程度時（例如高於98%）即認為實現這個音箱的音色。

黑盒算法的優勢是結構簡單，對運算力的要求不高，一般來說黑盒算法使用簡單的通用結構來實現音色的模擬。在相同的算力下黑盒算法通常可以獲得不錯的精度。他的主要缺點在於無法應對系統內部機構變化時的音色實時改變。例如，音箱和效果器都有音量，高中低音，增益等調節旋鈕，在黑盒算法建立模型的時候需要固定上述旋鈕於一個位置，然後測試信號的輸入輸出特性，求得模型的參數。一旦旋鈕的位置變化了，這個模型應對新系統的關係也就不成立了。所以這個方法適合作為一種拍照方法，把當前音箱的音色固定的採集下來使用。

White-Box

https://en.wikipedia.org/wiki/White-box_testing

白盒算法就是打開一台設備的外殼，看裡面用了什麼元件，元件怎麼連接的，然後用一套數學方程來實現整個機器的工作狀態。

白盒測試的基本過程要求測試人員對被測試的源代碼有深入的了解。 程式員必須對應用程式有深入的了解，才能知道要創建什麼類型的測試用例，以便運用每一條可見的路徑進行測試。 一旦理解了源代碼，就可以對其進行分析以創建測試用例。

在選擇建立虛擬設備時首先要確定使用什麼物理系統作為基本的條件約束，對於電子網絡來說僅需遵循牛頓定律，和克希霍夫電壓、電流定律即可：

上述定律可滿足一般阻容電路網絡的表述，如果需要引入磁場元件諸如變壓器，電感線圈等元件還可引入法拉第電磁定律：

通過上面的四個定律可以描述任意複雜的電路拓撲，由於這這種對系統的表述方式不摻雜任何人為的影響，可獲取十分自然的信號響應，這正是白盒算法的魅力所在。

下面我們通過兩個例子來解釋如何實現上述系統求解，下圖是一個經典的話放EQ的中頻電路，電路包含電阻、電容、電感三種線性元器件：

我知道，到此已經很難再講下去了，我們直接說白盒算法的特點。

白盒算法的優勢是可以完全的反映模擬設備的所有特性，包括設備的調節旋鈕，電源，溫度等參數對音色的影響等。他還可實現和模擬設備相同的動態反映（樂手所說的手感）和高度逼真的音色。他的主要缺點是：

1. 要為每一個模擬設備建立單獨的數學模型，例如：電子管，晶體管，運算放大器，電阻，電容，電感，變壓器等元件，以及模擬設備的電路是如何連接的，因此工作量十分巨大。

2. 需要設計者俱有非常深層次的模電設計理論知識才能重現原型機的音色。 

3. 需要大量的DSP算力來達到模型的高精確度。

面的圖片就是NUX品牌採用『白盒算法』建模的程式網路結構。

The definition of Modeler & Profiler

由前面的介紹，我們可以了解Amp Modeler可分為 Modeler與Profiler。 這邊我們再補充一個新的做法，那就是『AI類神經網路』。

2020年，Neural DSP發表Quad Cortex，採用的就是AI算法，AI算法是基於『黑盒算法』的延伸，一樣無需知道系統內容，量測輸入、輸出信號的關係。 AI在於，不需要測試人員進行測試，而是自主測試，並且根據假設的系統方程進行訓練來獲得最逼近reference輸出結果的方程式。

而最近IK所推出的TONE X也是基於AI。（IK稱為MACHINE MODELING。）

總結上述，Amp Modeler分為Modeler與Profiler，其中Modeler的技術又分成Waveshaper與White-box。 Profiler的技術分為Black-box與AI。

1.Waveshaper: 如LINE6、 ZOOM、 Strymon Iridium、 Walrus ACS-1、 BOSS IR-200, …etc.

採用Waveshaper的考量是，工程師不需要具備真空管電路數學模型的知識背景與工作原理，建立的Amp Model數學模型較簡單，不耗費DSP運算力。 

但缺點就是無法還原真空管音箱的負反饋與動態響應，進而影響手感。 最明顯的就是當你外接『過載效果器』時，聲音會被壓縮，縮掉。無法像真實音箱承受大信號。

2.White-box: 如Fractal、 NUX。

如前面所提到，白盒算法考驗著工程師要對系統（也就是真空管音箱電路）有高度的知識背景，且Programmer也要理解系統物理建模的數學模型。 再者每一層級的電路都需要進行量測校正，所以需要拆解原型機來做驗證，建模的過程相當耗時。

但對樂手來說，最重要的是White-box是可以最接近真空管音箱的『手感反饋』與『過載信號承受性』，以及轉動EQ旋鈕時的『混沌現象』。

3.Black-box: 如Kemper、 Mooer。

建模速度快，所以品牌方或者第三方，都可以進行Profiling，並且分享Profile檔案。（Amp Model） 但Profile缺點就是靜態參數，當你轉動EQ時，會跟reference有所差異，且你會發現雖然整體頻響跟原型機很像，但是彈奏手感都是定型的，即使你換了不同Amp Model。 當你外接過載效果器時，聲音也會產生不自然的壓縮。

4.AI: 如Neural QC、 IK ToneX。

建模速度最快，其內建通用模型，AI自主訓練擬合曲線方程，Profile的過程傳統黑盒子簡單。 整體頻率響應可以比傳統Profiler精準，但目前的AI Profiling時間還是相當長，如Neural QC約要40分鐘，一般用戶還是很少使用這個功能。 另外跟黑盒子算法一樣的缺點：彈奏手感都是定型的，即使你換了不同Amp Model。 當你外接過載效果器時，聲音也會產生不自然的壓縮。

Conclusion & My 2 cents

現代吉他手選擇Modeler的機會越來越高，因為演出時遇到Amp-less（無音箱）的場景越來越多。 喜歡單顆效果器組盤的吉他手會選擇Stomp-box Modeler類型來搭配自己喜愛的單顆效果器，尤其是『Overdrive』與『Distortion』。 

所以，如果你的考量是以live gigs為主，那麼挑選『白盒算法』為基底的NUX Amp Academy 將會是一個好選擇。 如前所述，『白盒算法』擁有近似真空管音箱的『Negative Feedback』、『良好的彈奏手感反饋』、『優異的動態範圍』、『過載效果信號承受性』。 此外產品本身帶有可獨立切換IR開關的XLR輸出及1/4”(6.35mm)輸出，搭配OTG可以在現場使用手機進行深度調參，Send/Return外接post efx。 但缺點是沒有傳統MIDI口或者3.5mm MIDI口，如果要使用MIDI踏板的話還需要使用帶有USB HOST的MIDI控制器。

反之，如果你以家裡宅錄為主，希望有比較多的Amp Model，或者第三方做好的音色預設，那麼Profiler會是你的選擇。 畢竟宅錄，對於手感上的要求度會低一些，且錄進去後使用DAW外掛其他效果來修飾音軌是很常見的使用場景，就無須考慮『過載效果信號承受性』。且Profiler聽覺上更像『成音』的音色。（像是唱片裡錄製好的吉他音色。） 而最近市場上討論度最高的平價Profiler，當屬IK ToneX。 小編的使用體驗上，覺得可惜的部分就是編輯預設的介面跟邏輯跟一般的綜合效果器差異很大。 機器本身只有LED屏，顯示的信息量少，現場調參不友善。 此外沒有Send/Return來外接post efx。 如果你要Capture其他reference的話，還需要另購ToneX Capture。

註記：如果你已經買了IK ToneX，對於編輯音色不太熟悉，可以參考這個教學影片。

回顧一下，我所謂的『過載信號兼容性』。

IK ToneX vs NUX Amp Academy | Twin Reverb

IK ToneX vs NUX Amp Academy | Super Reverb

Neural Quad Cortex vs NUX Amp Academy

NUX Amp Academy vs LINE6 HX-STOMP

Drive Pedal Headroom & Response Test | Strymon Iridium VS NUX Amp Academy

相信聽完以上的對比後，大家應該更理解我所謂的『彈奏手感 Playability』、『動態範圍 Dynamic Range』、『過載信號兼容性 Overdrive Signal Compatibility』。

青菜蘿蔔各有所好，愛其所擇，擇其所愛～ 錢沒有不見，只是變成你喜歡的樣子！

感蝦支持～