Русский
Русский
English
Статистика
Реклама

Music

Мультимедиа прошлого как слушали музыку в MS-DOS

03.11.2020 22:13:52 | Автор: admin

Всего каких-то 26 лет назад прослушивать музыку на компьютере было не таким уж и простым делом. Еще до появления Windows 95, смело заявляющей о своей мультимедийности, люди слушали музыку прямо в среде MS-DOS. Причем не только трекерную, но и MP3. Стряхнем пыль со старого софта и погрузимся в чудесный мир музыки начала 90-х.

Для начала вспомним о популярных музыкальных форматах и оборудовании тех годов. В основном это были поздние 486DX и пришедшие им на смену Пентиумы с тактовой частотой от 60 до 133 МГц. Технология MMX (MultiMedia eXtensions), ускоряющая декодирование аудио- и видеопотоков, появилась лишь в 1997 году. Меломанам 1994 года приходилось довольствоваться тем что есть.

Без чего нельзя слушать музыку на компьютере? Разумеется, без звуковой карты. Это сейчас звук встраивается прямо в материнские платы и работает, что называется, из коробки. Но раньше звуковых карт было не так-то уж и много. С 1989 года на рынке безраздельно правила Creative Technology со своим знаменитым семейством звуковых карт Sound Blaster. Разумеется, были и альтернативы в виде редкой и очень дорогой Gravis UltraSound (его еще называли гусь по сокращению GUS), а также доброго десятка ее клонов.


Последнее десятилетие 20-го века ознаменовалось бурным развитием трекерной музыки, корнями уходящей в семейство компьютеров Amiga. Эти компьютеры имели крутой звуковой сопроцессор, что позволяло воспроизводить достаточно качественную сэмплированную музыку. Существовали соответствующие форматы (нечто среднее между аудиозаписью и MIDI), позволявшие хранить сэмплы, последовательности и параметры воспроизведения нот.

Работа композитора была сродни работе программиста, поскольку требовалось закодировать воспроизведение каждой ноты используемым инструментом в необходимой последовательности с нужной высотой и эффектами. Получившиеся файлы стали именовать модулями, а сами они получили расширение MOD.

Сформировалась целая плеяда музыкантов, пишущих такую музыку. Зародившаяся в конце 1970-х годов киберкультура демосцены активно стала использовать трекерную музыку и развивать собственные форматы.

Так, например, появился знаменитый формат XM, созданный демогруппой Triton. В нем был значительно расширен список команд для создания эффектов и каналов. 16-битная поддержка и гибкость сделали этот формат основным для большинства трекерной музыки. Сообщество MOD-музыкантов исповедует принцип открытости своих произведений, что делает его схожим с движением Open Source.

Если вы выписывали журнал Хакер в эти годы, то почти в каждом прилагаемом компакт-диске можно было найти целую коллекцию трекерной музыки. Проиграть ее можно было как с помощью оригинального приложения-трекера, так и с помощью сторонних плееров, таких как Open Cubic Player.


Удивительно, но факт. Если у вас был процессор 486DXII и Windows 95, то для проигрывания MP3 требовались некоторые танцы с бубном. Дело все в том, что ресурсов процессора на все банально не хватало и звук периодически прерывался. Так что если хотелось послушать MP3 с помощью WinAMP, то приходилось либо переключаться в режим Mono, либо вдвое уменьшать частоту дискредитации выходного сигнала. Секретным оружием как раз и был Cubic Player, запускаемый из-под DOS. Его возможностей вполне хватало, чтобы послушать MP3-трек 128 kbit/s в стерео-режиме.

С тех пор прошло уже много времени. Тем не менее, оценить работу Open Cubic Player можно и сейчас, воспользовавшись старой версией под MS-DOS (с помощью DosBox) или современной версией, доступной в репозиториях своего Linux-дистибутива.


Поскольку я использую OpenSUSE, то установка плеера сводится к простой команде:

sudo zypper install ocp

Уверен, что для Debian-like систем это также сработает с пакетным менеджером apt. Запускается командой ocp, после чего открывается встроенный файловый менеджер. Выбрав композицию, подтверждаем нажатием Enter и воспроизведение начинается.


Прелестью трекерных форматов был, разумеется, малый размер файлов. Во времена, когда операционная система помещалась на трех дискетах, MP3 был почти непозволительной роскошью. Шутка ли, каждый MP3-трек, сжатый в среднем качестве, занимал от 3 до 5 мегабайт дискового пространства. Сжатый с помощью ZIP-архиватора XM-трек той же длительности занимал всего лишь 300-500 килобайт.

Даже если вы ни разу специально не слушали музыку в формате XM, то в любом случае сталкивались с ней в программах для взлома лицензионного ПО (кряки и кейгены). Среди взломщиков встраивание трекерной музыки стало своего рода традицией. Такие треки еще называли чиптюнами (от англ. chiptune) за свой малый размер, в несколько десятков килобайт.

Open Cubic Player был отнюдь не единственным плеером под MS-DOS. Широкую популярность также получил Mpxplay, требующий как минимум 100 Mhz процессора и имеющий поддержку вполне современного комплекта форматов. Среди них есть и ставшие весьма популярными форматы сжатия аудио как без потерь (ALAC, FLAC), так и с ними (Vorbis, MP3, WMA, etc ). Плеер обладал широчайшими возможностями для своего времени, поддерживая даже воспроизведение аудиопотоков по сети (интернет-радио).


Развитие мультимедийных возможностей компьютеров в середине 90-х стало мейнстримом. Увеличивающиеся мощности и новые модели звуковых карт стали воспроизводить звук все качественнее, а появление новых технологий объемного звука совершили революцию как в создании музыки, так и в кинематографе и компьютерных играх. Что нас ждет еще через 20 лет, сказать сложно. Но, видя столь значительный прогресс, можно осторожно предположить, что это будет здорово!

Подробнее..

Перевод Распознавание мелодии путем изучения языка тела музыканта

07.09.2020 16:04:06 | Автор: admin
Перевод статьи подготовлен в преддверии старта нового набора на курс Computer vision.




Инструмент распознавания музыкальных жестов на основе искусственного интеллекта, разработанный в MIT-IBM Watson AI Lab, использует движения тела, чтобы различать звуки отдельных музыкальных инструментов.


Image courtesy of the researchers.
Исследователи используют данные о ключевых точках скелета, чтобы сопоставлять движения музыкантов с темпом их партии, что позволяет слушателям изолировать инструменты с одинаковым звучанием.
Изображение предоставлено исследователями.


Мы наслаждаемся музыкой не только ушами, но также и глазами, с признательностью наблюдая, как пальцы пианиста летают по клавишам, а смычок скрипача качается на гребне струн. Когда ухо не в состоянии разделить два музыкальных инструмента, нам помогают наши глаза, сопоставляя движения каждого музыканта с ритмом каждой партии.

Новый инструмент на основе искусственного интеллекта разработанный MIT-IBM Watson AI Lab использует виртуальные глаза и уши компьютера, чтобы отделить друг от друга звуки схожие настолько, что человеку сложно их дифференцировать. Инструмент улучшен относительно предыдущих итераций путем согласования движений отдельных музыкантов с помощью ключевых точек их скелета с темпом отдельных партий, что позволяет слушателям изолировать звучание отдельной флейты или скрипки среди нескольких таких же инструментов.

Возможные применения для работы варьируются от микширования звука и увеличения громкости инструмента в записи до уменьшения путаницы, которая заставляет людей перебивать друг друга во время видеоконференций. Работа будет представлена на конференции Computer Vision Pattern Recognition в этом месяце.

Ключевые точки тела предоставляют мощную структурную информацию, говорит ведущий автор исследования Чуанг Ган, исследователь в лаборатории IBM. Мы используем их здесь, чтобы улучшить способность ИИ слушать и отделять звук.

В этом и других подобных проектах исследователи использовали синхронизированные аудио-видео треки, чтобы воссоздать способ обучения людей. Система искусственного интеллекта, которая обучается с помощью нескольких сенсорных модальностей, может учиться быстрее, с меньшим количеством данных и без необходимости вручную добавлять надоедливые ярлыки к каждому реальному представлению. Мы учимся на основе всех наших органов чувств, говорит Антонио Торральба, профессор MIT и соавтор исследования. Мультисенсорная обработка это предшественник воплощенного интеллекта и систем искусственного интеллекта, которые могут выполнять более сложные задачи.

Данный инструмент, который использует язык тела для разделения звуков, основан на более ранней работе, в которой сигналы движения использовались в последовательностях изображений. Его самое раннее воплощение, PixelPlayer, позволял кликнуть по инструменту в концертном видео, чтобы сделать его громче или тише. Обновление PixelPlayer позволяет вам провести различие между двумя скрипками в дуэте путем сопоставления движений каждого музыканта с темпом их партии. Эта последняя версия добавляет данные о ключевых точках (которые используют спортивные аналитики для отслеживания результатов спортсменов, для извлечения более детализированных данных о движении), чтобы различать почти идентичные звуки.

Работа подчеркивает важность визуальных подсказок в обучении компьютеров, чтобы они могли лучше слышать, и использование звуковых подсказок, чтобы дать им более острое зрение. Точно так же, как текущее исследование использует визуальную информацию о движениях музыканта для разделения партий музыкальных инструментов с похожим звучанием, в предыдущей работе использовались звуки для разделения похожих объектов и животных одного вида.

Торральба и его коллеги показали, что модели глубокого обучения, обученные на парных аудио-видео данных, могут научиться распознавать естественные звуки, такие как пение птиц или удары волн о берег. Они также могут определять географические координаты движущегося автомобиля по звуку его двигателя и колес, движущихся к микрофону или от него.

Последнее исследование предполагает, что инструменты отслеживания звука могут быть полезным дополнением к беспилотным автомобилям, помогая их камерам в условиях плохой видимости. Звуковые трекеры могут быть особенно полезны ночью или в плохую погоду, помогая отмечать автомобили, которые в противном случае могли бы быть пропущены, говорит Ханг Чжао, доктор философии '19, который участвовал в исследованиях касательно отслеживания движения и звука.

Другими авторами исследования музыкальных жестов CVPR являются Дэн Хуанг и Джошуа Тененбаум из MIT.

На этом все. Чтоб узнать о курсе подробнее, приглашаем вас записаться на день открытых дверей по ссылке ниже:


Читать ещё:


Как я научила свой компьютер играть в Доббль с помощью OpenCV и Deep Learning
Подробнее..

Piano podcast 10 years anniversary

26.04.2021 22:22:14 | Автор: admin

10 лет назад на Хабре вы могли слышать Piano podcast. Лёгкая импровизационная музыка, которая помогает расслабиться после рабочего дня.

Подкаст выходил на сайте rpod.ru. Но сейчас эта платформа закрыта.

По многочисленным просьбам попробую разместить еще один выпуск.

Прошу прощения если это не актуально сегодня. Приятного прослушивания.

Подробнее..

Категории

Последние комментарии

  • Имя: Макс
    24.08.2022 | 11:28
    Я разраб в IT компании, работаю на арбитражную команду. Мы работаем с приламы и сайтами, при работе замечаются постоянные баны и лаги. Пацаны посоветовали сервис по анализу исходного кода,https://app Подробнее..
  • Имя: 9055410337
    20.08.2022 | 17:41
    поможем пишите в телеграм Подробнее..
  • Имя: sabbat
    17.08.2022 | 20:42
    Охренеть.. это просто шикарная статья, феноменально круто. Большое спасибо за разбор! Надеюсь как-нибудь с тобой связаться для обсуждений чего-либо) Подробнее..
  • Имя: Мария
    09.08.2022 | 14:44
    Добрый день. Если обладаете такой информацией, то подскажите, пожалуйста, где можно найти много-много материала по Yggdrasil и его уязвимостях для написания диплома? Благодарю. Подробнее..
© 2006-2024, personeltest.ru