AlBryl

Пикабушник
5410 рейтинг 91 подписчик 0 подписок 13 постов 4 в горячем
Награды:
5 лет на Пикабу
67

Что нужно знать перед записью в студии

Речь пойдет о записи музыкальных шедевров. Сразу предупреждаю, что я не звукорежиссёр, а непрофессиональный музыкант и буду писать лишь о своем опыте работы в студии (3 альбома). Кроме того, я больше гитарист и мои студийные записи в стиле прог-метал, поэтому пост будет больше для гитаристов-новичков, остальные и так все знают.

Итак, уже не 60-е и вполне можно писать каждый инструмент отдельно. Хотя слышал, что есть приверженцы старой школы, которые всей толпой записываются одновременно. Вроде Iron Maiden так делали, но я не слежу за ними с 2006 года, а в том альбоме хорошо слышно, как все криво сыграно. Поэтому обычно порядок такой: сначала должна быть записана ритм-секция (барабаны-бас), потом гитара, потом всякие клавиши и другие концептуальные штуки, последним пишется вокал. Но я начну с особенностей записи гитары.

Начнем с того, что студийная работа со всех сторон раскрывает криворукость музыканта, вследствие чего является наиболее полезным опытом для новичка (помнится, наша начинающая группа чуть не развалилась, когда мы послушали запись, снятую с пульта на концерте. Это было очень плохо).

Поэтому первое, что нужно попробовать перед тем, как ехать тратить деньги - записать все дома (очевидно, это подразумевает, что партии уже выучены). Вдруг кто не знает, мало ли - просто втыкаем гитару в линейный вход и отдельно пишем 2 дорожки в левый и правый канал для ритма, одну стерео-дорожку для соло, слушаем, ищем, где косячим и отрабатываем эти места.

В моем случае, звукорежиссёр не одобрял гитарные подвиги, поэтому нет смысла отрабатывать длинные пассажи, оставьте это для концертов. 2 такта подряд - это уже много (опять же, я писал прог, а не условный порнограйндкор, возможно, там концептуально все по-другому).

Если мы говорим о гитаре с перегрузом, то тут все проще. Небольшие ритмические лажи можно поправить. Если кто-то из гитаристов, говорит, что играет четко в долю, высока вероятность, что он врёт. Общеизвестно, что гитаристы - скорострелы и всегда торопятся.

Если мы говорим о чистом звуке, тот тут все на самом деле сложнее. Кривые ноты, сыгранные на чистом звуке просто так не подвигаешь, нет (а может уже есть?) хороших варп-алгоритмов. Но есть линейный монтаж (отрезаем лишнее и двигаем дорожку, пытаясь попасть в фазу). Поэтому партии на чистом звуке учим особенно хорошо.

На автотюн тоже не рассчитываем и поэтому учимся не пережимать струны - об этом чуть ниже.

Второе - подготовьте инструмент. Отнесите мастеру, пусть покрутит анкер, настроит мензуру, экранирует электронику. Обязательно ставим новые струны. И покупаем не один комплект, есть мнение, что струны на самом деле не живут дольше пары дней, а запись гитар для альбома может затянуться. Если опыт игры на гитаре небольшой, то лучше не мельчить с калибром струн для студийной записи. Да, Табачников играет на 9-ках, но мы, простые смертные, можем пережимать струны, да и с атакой все не очень, вот звук и плывет на записи. Ставим струны потолще и наслаждаемся.

Еще один элемент подготовки - звукачу тоже полезно знать, что вы играете. Лучше взять с собой табы.

Третье. Если вы гитарный задрот-аудиофил и вам критично важен именно ваш звук, то ничем не могу помочь. Я не настоящий гитарист и каску на стройке нашел, поэтому в вопросе звука всецело доверяю художественному вкусу звукорежиссёра. На первом альбоме меня писали через ламповую голову, на втором и третьем в линию (я тогда прикупил гитару выше классом), используя vst-эффекты, потом реампили кемпером. Второе мне нравилось больше. Поэтому на студию я приезжал с одной гитарой. А кто-то может и свою голову тащить будет, и кабинет, и микрофон.

Для записи тяжёлой музыки на самом деле не так важна скорость игры и сколько фишек вы знаете, куда важнее хорошая атака и чтобы ноты не съедались.

Барабаны. Если звукорежиссёр не садист или ваш барабанщик не Майк Портной, то звукач скорее всего предложит использовать vst-барабаны. И это нормально. Точно лучше того, чтобы каждый удар ровнять по сетке. А современные vst-инструменты звучат хорошо. Поэтому приносим звукачу мидишки своих партий.
Кстати, возможно, неочевидный факт о связке миди из guitar pro 5 + cubase (я использую гп5, потому что все, что было позже - тяжёлая фигня с кучей избыточного функционала): гитар про экспортирует так же все свои контроллеры, поэтому при импорте миди в cubase придется сразу все контроллеры удалять из каждой дорожки.

Бас. Скажу крамольную вещь, но для тяжеляка и при условии, что бас играет в миксе, вполне можно попробовать так же и vst-бас. Конечно, на сольных партиях это может быть слышно, но я ни к чему не призываю. Когда писали один из альбомов, мы нашли басиста, предлагающего сессионные услуги. Партии впервые он увидел на студии, играл по одной-две ноте за дубль. Так что вытянуть можно любого, но не нужно. В остальном всё так же, как с гитарой - настроенный инструмент, новые струны и будет счастье.

Клавиши. Ну тут уже точно не крамола, поэтому если вы не используете свободный темп в песнях и все идет под метроном, и не импровизируете, и не играете сложные по динамике штуки, то клавиши так же экспортируем в миди-файл и потом ручками все накручиваем. Ну это для ленивых вариант, конечно. А так все пишем по-честному руками в миди-дорожку и потом уже ее ровняем. Кстати, я недавно прикупил себе такую штуку https://roli.com/products/seaboard/rise-49,
которая позволяет контролировать слайд, глайд и афтертач прямо пальцами, которыми играешь, поэтому ее партии придется записывать, собственно, пальцами. Но я пробовал пока что только дома.

Голос. Тут я не помощник, сам не пел и на студии ничего эдакого не подглядел. Возможно, потому что вокалистка умела петь. Ведь все просто: умеем петь - поем, не умеем - не поем. Автотюн не всесилен. Разве что его использование не является художественной задумкой.

А вот мой инструментарий, просто показываю.

На этом все. Если что-то забыл или где-то неправ, в комментариях, надеюсь, помогут разобраться.

Показать полностью 2
10

Генеративное искусство

Мой прошлый пост был о смене работы, после которого на меня подписалось много человек. Но к сожалению больше жизнеутверждающих историй у меня для вас нет, поэтому вот небольшой пост о том, что может наука о данных.

Генеративное искусство - это настолько обширная область, что хватит на много постов: тут вам и последние достижения OpenAI по генерации полноценных песен (https://soundcloud.com/openai_audio), и генерация стихов (пример отсюда - https://habr.com/ru/post/334046/)

Скучаю за твоим окном

И нежными эфирами

Люблю тебя своим теплом

Тебя стенографируя


Да и тут по генерации всякого текстового были уже посты. Кстати, если кто поделится небольшой русской моделью GPT-2, буду весьма признателен (а то я натыкался только на аналог 345М, но такое в память домашнего ноута не влезает).

Но я бы хотел рассказать о генерации изображений и своем опыте в этом направлении. Примеры взяты из открытых источников.

В самом простом приближении, несложными математическими функциями можно описать построение любых фигур в любом пространстве: фракталов, кругов, линий. Имея набор правил, можно задать динамику для таких фигур, а внося рандом в изначальное состояние, получить необычные флуктуации. Например, известная игра "Жизнь" (https://ru.wikipedia.org/wiki/Игра_«Жизнь») тоже в каком-то роде генеративное искусство. Или примеры сверху и снизу.

Но я бы хотел показать совсем уж сложнопредсказуемое направление - композиционные нейросети или CPPN. В чем основная суть: CPPN - это функция, описывающая интенсивность цвета в каждой точке на заданной сетке. В случае цветных изображений, соответственно, интенсивность цветов RGB. Функций существует множество. Задав сетку и случайное распределение коэффициентов (или весов) функции, прогоняем через нее сетку и что-то получаем. Чтобы было еще интереснее, можно задать композицию функций - выход одной будет подаваться на вход другой и т.д. Очевидный минус - невозможно предугадать, какой будет результат. Можно только ожидать определенный паттерн, потому что разные функции строят разные паттерны. Вот результат работы композиции тангенциальных функций.

Разберемся с пространством: изображение имеет высоту и ширину, тут все понятно. RGB цвета задаются 3-мерным пространством, тоже понятно. А вот если добавить еще одно скрытое пространство, представленное простым вектором (последовательностью) одного числа к нашей функции, то мы получим некое сжатое представление нашего изображения (для каждой точки на сетке функция будет получать уже 4 параметра, а выдавать 3 - интенсивность цвета. 4-й параметр скрыт). Так вот незначительно изменяя этот параметр, мы незначительно изменим наше изображение. Но в какую сторону? Неизвестно. Вот наглядное изображение того, как в один раз построенную модель можно таким образом вносить искажения и что получается:

Кстати, музыка тоже сгенерирована.

Теперь расскажу про свой опыт, но перестану прикидываться математиком - естественно я не писал композиции функций в ручную, а использовал нейросетевые библиотеки. Каждый слой нейросети имел некоторое количество нейронов - чем больше нейронов, тем сложнее изображение (то же касается и слоев, тут главное не переусердствовать, рискуя выродить изображение в черный прямоугольник), и свою функцию активации - мне нравилась функция relu.

Я человек, видимо, нордический, мне ближе минимализм. Поэтому мои примеры сгенерированных изображений вот:

После того, как я поигрался с изображениями, решил замутить такое же "флуктуационное" видео на один из своих треков (я еще музыкой балуюсь). Для этого я взял аудио-сигнал ударных, проредил для начала до 30 кадров в секунду, стандартизировал значения к промежутку (0, 1) и в цикле по длительности трека добавлял аудио-сигнал к тому самому скрытому пространству. Это дало пульсацию изображения под ритм. А добавляя к значению скрытого пространство еще линейное изменение, получаем плавное движение изображения. Да, я заново изобрел заставки windows media player, только в разы тяжелее с вычислительной стороны. Так, это видео в жалких 720 р рендерилось 25 часов на моем старом ноуте. Результат мне не нравится, честно говоря, так как довольно бедно получилось, но переделывать по очевидным причинам я не стал и просто добавил некоторые эффекты на пост-обработке.

На волне экспериментов захотелось замутить простую программку, чтобы любой мог поиграться с этой архитектурой, но собирать питоновские проекты (еще и с tensorflow на борту) оказалось тем еще квестом. У меня не получилось, но если у кого есть питон и кто не хочет заморачиваться с написанием таких штук, вот ссылка на мой простой скрипт с интерфейсом: https://github.com/AlexBryl27/art_generator/blob/master/art_... и пример работы.

Спасибо за внимание.

Показать полностью 5 3
2153

Мой путь в data science

3 месяца назад в одном из комментариев я упомянул, что нахожусь в процессе трудоустройства в дата-саентисты из совершенно другой области деятельности. Около 20 человек попросили рассказать об этом подробнее, когда закончится мой испытательный срок. Вот он заканчивается, но мне уже сказали, что я прошел, так что вот рассказ.


## Немного предыстории.

Я работал с 2013 года на одном месте, а с 2015 года я стал занимать низкую руководящую должность и это было плохо. Напрягали и снизу и сверху, из-за чего процесс выгорания занял гораздо меньше времени, чем можно предположить. Фирма занималась разработкой систем автоматизации химических предприятий, а начальствовал я в сборочном цехе, а значит занимался не только руководством, но и складом, и сборкой, и погрузками-разгрузками, и в командировки ездил, и снег зимой чистил. Интеллектуального развития минимум, зато смог отладить процесс так, что стало появляться много свободного времени, которое я тратил на просмотр пикабу и прочего. И вот, в октябре 2019 я решил, что хватит растрачивать свой потанцевал и надо заняться чем-то интересным. Я вспомнил о том, что в 2015 году я проходил профориентационный тест на hh и он мне показал склонность к аналитике. Тогда я на это дело забил, какая еще аналитика с отверткой в руках, а теперь, в 27 лет, вспомнил и решил посмотреть, что есть в этой области и увидел дата сайенс.

## Процесс обучения

Стоит отметить, что с айти я косвенно сталкивался и исключительно в личных интересах. Как-то ковырял ардуино недолго, еще однажды решил изучать программирование и прошел курс по с++, там была самая база, но курс очень хороший (я даже пытался изучать более углубленно, но тогда застрял на указателях и не осилил). Еще упомяну, что по специальности, которую я получил аж в 2013, я сервисник транспортных и технологических машин и оборудования. В институте на программировании мы разве что оттачивали навык подсчета открывающих и закрывающих скобочек.


Так вот вернусь к октябрю прошлого года, когда 7 числа я открыл курс на степике по введению в машинное обучение (чуть ниже я прикреплю ссылки на некоторые полезные курсы и ресурсы), прочитал описание, увидел, что необходимо предварительно изучить, закрыл курс и начал по списку: python, алгоритмы, статистика, анализ данных и т.д. Только к новому году я дошел до курса по введению в МО и прошел он, после этой базы, как по маслу, а там пошли уже и нейросети.


Многие не верили, что за 3-4 месяца можно освоить профессию. Так вот мой вам ответ - и правда нельзя. Но я прикладывал очень много усилий. Как уже упоминал, у меня было некоторое количество свободного времени на работе, которое я полностью тратил на обучение. 3 месяца я совершенно не просматривал развлекательный контент: ни кино, ни сериалы, ни пикабу - я приходил с работы, и часов до 10 учился. Даже с женой чуть конфликтовали из-за этого. Весь декабрь я провел в командировке, там мы не напрягались, но на режимном заводе особо не поучишься, поэтому мой распорядок дня в декабре выглядел так: в 6:30 просыпался и учился, пока все спали, после работы быстро ел, купался и до вечера снова упарывался. Очень уж увлекло. Вот, например, моя новогодняя фотка:

По поводу ресурсов: в качестве старта мог бы порекомендовать пройти вводный бесплатный модуль яндекс практикума. Там все просто и понятно рассказывается, но, на мой скромный взгляд, довольно не структурировано и скучно. Поэтому однозначно я рекомендую курсы на степике, которые и бесплатны, и дадут необходимую базу для осмысленного гугления. В таком порядке я их проходил:

1. https://stepik.org/course/67

2. https://stepik.org/course/512

3. https://stepik.org/course/217

4. https://stepik.org/course/1547

5. https://stepik.org/course/76

6. https://stepik.org/course/129

7. https://stepik.org/course/724

8. https://stepik.org/course/524

9. https://stepik.org/course/2152

10. https://stepik.org/course/4852

11. https://stepik.org/course/8057


Это база, по МО еще очень хороший курс на курсере, но там много математики:

https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie/

А потом можно и нейросети посмотреть:

https://stepik.org/course/401

https://stepik.org/course/54098 - курс просто огонь, но он специализирован.

Важно так же учитывать, что умение работать в jupyter notebook оказалось не единственным важным умением для работы вообще: обязательно нужно понимать хотя бы как работают базы данных и уметь делать запросы и аггрегировать данные. На практике оказалось, что БД +- sql-образные, и научившись запросам в MySQL, нет проблем научится в Clickhouse, несмотря на разные архитектуры. Поэтому вот:

https://stepik.org/course/2614

Еще оказалось, что на новой работе все на линуксе. Мне, как виндоводу, оказалось полезно это:

https://stepik.org/course/73

Ну и какой смысл в моих ноутбуках, если я не умею делиться ими:

https://stepik.org/course/3145

Что еще можно сказать по обучению... Обязательно нужно закреплять полученные знания на практике: освоив какую-нибудь крупную тему, я заливал свой говнокод на гитхаб для портфолио (да, уже сейчас я вижу, что он говнокод). И несомненно нужно хоть немного знать английский.

## Собеседование и увольнение.

Так вот к февралю я уже кое-чему научился и решил наудачу сделать новое резюме. В резюме указал все честно, что я щегол, но все равно набрался наглости разослать резюме по 2-м фирмам с просьбой выслать мне тестовое задание, которые нашел в соседнем городе (30 км между городами). В своем городе ничего не было, та еще деревня. По второй вакансии мне сразу отказали, да и по первой тоже, сказав, что кандидат уже есть, да и джун я несчастный, но тестовое могут прислать, мало ли. Тестовое я сделал (необходимо было проанализировать временной ряд с явно выраженной сезонностью и сделать предсказания) и отправил с той же надеждой, типа мало ли. И вот 2 недели тишины. В один из дней на меня наезжала бухгалтерия по поводу беспорядка со спецодеждой, я в сердцах воскликнул, как меня достала эта работа, и тут же (через 2 часа, на самом деле) мне поступил звонок с приглашением на пообщаться. Формулировка та же: ничего не обещаем, но мало ли. Естественно, я поехал.


На собеседовании было неплохо и все по делу. Тестовое оказалось сделано необычно, с изюминкой, видимо это и понравилось. На технические вопросы я ответил (в основном мы общались по нейросетям, потому что я упомянул, что использовал их для своего проекта. Но т.к. всем известно, что для "import keras" много знаний не надо, меня спрашивали по их структуре: что такое функции активации, какие я знаю, почему они должны быть дифференцируемы и т.д.). По итогам собеседование мне сказали, что они еще подумают и через пару дней предложили должность. Естественно, я согласился) Тем более, что стартовую зарплату мне предложили такую же, как я получал на должности начальника на старой работе, но это говорит не об огромных зп в айти, а о мизерных зарплатах в моей "деревне", поверьте.


Увольнение проходило не так уж гладко, потому что много на мне завязано было, но отпустили с миром, за что большое спасибо.

## Новая работа

Новая работа - это жесть. Мне было очень тяжело первое время: непрерывное гугление и чтение документаций, теперь минимум 8 часов в день я непрерывно думал и голова болела каждый вечер. В конце недели я видеть компьютер не мог и ни о каком продолжении саморазвития по выходным я даже думать не хотел - вообще к компьютеру не подходил. Но самое сложное оказалось сидеть: болит не только спина, это лечится упражнениями, но даже жопа. Но ничего, за пару месяцев натер трудовой мозоль.


Не могу сказать, что я ворвался как по маслу в новую работу, было и недопонимание, и притирка к коллегам, да и просто знаний не хватает. Но отмечу, что провал в знаниях у меня больше в сторону программирования и прочих скиллов, связанных с расширением айтишного кругозора, а вот сами алгоритмы МО мне вроде неплохо даются. К тому же, контора занимается защитой трафика, поэтому мне приходится узнавать много об этом тоже: протоколы, атаки, api и т.д. В общем, обучение не прекращается никогда и за 3 месяца испытательного срока я уже научился никак не меньшему, чем за время самостоятельного обучения.


Новая работа нравится и о старой вспоминаю с легким содроганием.


Еще забавный момент. 16 марта я вышел на работу, а с 18 нас отправили по домам на удаленку. Вот до сих пор на ней сижу, в офисе был всего 4 раза за все время)


Вроде все. Вот пара пруфов для скептиков.

Показать полностью 5
6

Случайный ... реализм

Попробовал снять с небольшой выдержкой ночное фото. Почему-то вспомнился Караваджо, но только если бы у него тряслись руки

Случайный ... реализм

Кому интересно, на фото запечатлена разгрузка вещей с ялика на одном из пляжей Балаклавы.

Отличная работа, все прочитано!

Темы

Политика

Теги

Популярные авторы

Сообщества

18+

Теги

Популярные авторы

Сообщества

Игры

Теги

Популярные авторы

Сообщества

Юмор

Теги

Популярные авторы

Сообщества

Отношения

Теги

Популярные авторы

Сообщества

Здоровье

Теги

Популярные авторы

Сообщества

Путешествия

Теги

Популярные авторы

Сообщества

Спорт

Теги

Популярные авторы

Сообщества

Хобби

Теги

Популярные авторы

Сообщества

Сервис

Теги

Популярные авторы

Сообщества

Природа

Теги

Популярные авторы

Сообщества

Бизнес

Теги

Популярные авторы

Сообщества

Транспорт

Теги

Популярные авторы

Сообщества

Общение

Теги

Популярные авторы

Сообщества

Юриспруденция

Теги

Популярные авторы

Сообщества

Наука

Теги

Популярные авторы

Сообщества

IT

Теги

Популярные авторы

Сообщества

Животные

Теги

Популярные авторы

Сообщества

Кино и сериалы

Теги

Популярные авторы

Сообщества

Экономика

Теги

Популярные авторы

Сообщества

Кулинария

Теги

Популярные авторы

Сообщества

История

Теги

Популярные авторы

Сообщества