sonicLAB 发布 SSNN 脉冲神经网络合成器插件，实时合成音频

sonicLAB推出了一款神经网络合成器：SSNN，该插件采用960神经元脉冲神经网络技术，实时合成音频。

大多数情况下我们听到人工智能/AI，都会联想到现下大众应用最广的深度学习模型，但两者不是等号关系。AI领域包含多种技术路线，其中ANN神经网络架构是重要的一支；而在神经网络架构之下，深度学习模型与常被混淆的SNN脉冲神经网络技术，是两种底层逻辑截然不同的分支。

深度学习依赖海量训练数据，通过黑箱式的统计拟合进行优化，在音频领域常被用于声音修复、音轨分离或生成符合人类听觉惯性的常规音乐音色。而脉冲神经网络则更像一个“物理腔”，它的输出高度依赖物理参数的实时演化，通过局部学习规则形成动态权重，生成实验性、非随机噪音的声音。

SSNN是一款基于脉冲神经网络的实时音频处理器，该网络运行960个神经元，分布在32个层中，每个神经元的脉冲实时驱动八个合成引擎。SSNN不加载模型，也不依赖离线训练数据，而是聆听输入的音频，实时捕获频谱特征，并将其直接写入网络的连接权重中。同一个信号在实时驱动/写入网络的同时，也填充了合成引擎所依赖的每层音频缓冲区，这意味着输出反映的是插件当前正在听到的内容，而非出厂前编码好的静态数据。

SSNN的八个合成引擎对脉冲活动做出响应，发生器包括脉冲发生器和模态及突触调频振荡器，其行为由神经网络输出驱动。粒子、波形塑形、调频、梳状滤波和磁带延迟处理器，按神经元运行，960个神经元中的每一个都可以触发自己的处理，输出质感实时输入信号的频谱和动态内容。

用户可以在确定性和随机性之间控制SSNN的网络行为，调节神经元对输入素材的反应可预测性。量化模式将脉冲时序在特定间隔内，为原本连续且可变动的脉冲模式加入节奏规律性。琶音器将32层网络结构映射到音阶和进行上，使网络架构数据具有音高和旋律形态。

SSNN的OSC脉冲数据可向外广播，附带的NNnotes工具插件将这些OSC消息转换为MIDI音符，使网络输出可路由至外部乐器或其他DAW轨道。60的视觉显示器会实时显示神经元活动。

正如文章开头提到的，SSNN采用脉冲神经网络技术，实际上是用软件去模拟硬件合成器，适合追求实验性和生成性的声音设计师，合成器行为会随输入音频不断变化。SSNN结合了实时网络学习、按神经元音频处理和OSC输出，更接近反馈驱动的模块化组合，而非传统的软件合成器。

SSNN能特点：

• 32层中分布960个神经元
• 包含八个合成引擎
• 实时音频频谱学习，直接写入神经网络连接权重
• 可对神经网络行为进行确定性与随机性控制
• 量化模式，可将神经元激发在特定时间间隔内
• 32层琶音器，将网络架构映射到音阶和进行
• OSC脉冲广播输出
• 附带NNnotes工具插件，将OSC消息转换为MIDI音符
• 提供实时神经元活动可视化器
• 带过采样输出的多核处理引擎
• 可调整矢量界面大小

SSNN采用多核引擎并产生过采样输出，sonicLAB建议用户使用Apple M1以上的处理器，因为插件以音频速率运行960个神经元的计算需求会比较大。

SSNN支持64位的Windows和MacOS系统，需要M系列处理器，插件格式为VST3和AU。SSNN的售价为89英镑，2026年7月15日前购买可享受优惠价65英镑。

官网：https://www.sonic-lab.com/ssnn-page

请看演示（原地址：https://youtu.be/akx37fk3jFs）