Nubert Lautsprecher, HiFi- und Surround-Elektronik

KI ist ja in aller Munde, zumindest in der Tech-Welt.
KI-Algorhythmen, KI-HomeAssistants, KI-Fahrassistenten, KI-Kinderschokolade...

Jedenfalls blühte bei mir die Frage auf: Gibt es physikalische oder designtechnische Probleme, die bis heute den Lautsprecherkonstrukteuren Schwierigkeiten bereiten und gut mit einem trainierten neuronalen Netzwerk lösbar wäre?

Keine Ahnung, vielleicht die ideale Trennfrequenz eines Systems finden, ideale Schaltung der Frequenzweiche, Positionierung von Versteifungen oder "Wellenbrechern" auf der Membran?

Die gut trainierten neuronalen Netze unserer Ingenieure lösen alles!

Ein adaptiver EQ vielleicht, der die Vorlieben des Nutzers nach einigen Eingaben immer besser antizipiert in Bezug auf diverse Parameter wie Lautstärke bzw. Lautheit, Ausgangsfrequenzgang, Musikrichtung, Taktgeschwindigkeit, Tageszeit, Spieldauer, Sitzposition, Quelle usw.

Das was oftmals als KI verkauft wird, ist nichts weiter als ein künstliches neuronales Netz. Die Stärke neuronaler Netze ist es in einer Menge an Daten nach Mustern zu suchen, die sich numerisch schwer definieren lassen. Vorraussetzung für den Einsatz neuronaler Netze ist es, genügend Beispieldaten mit dazugehöriger Kategorie zu haben, mit denen man das Netz anlernen kann. Mir fällt kein Problem im Lautsprecherbau ein, das sich auf diese Weise lösen ließe. In der digitalen Signalverarbeitung könnte man das schon eher einsetzen.

Also bei Aktivboxen.

anphex hat geschrieben: Do 11. Feb 2021, 19:40 KI-Kinderschokolade...

Jetzt übertreibst du aber!

Yamaha hat ja schon sowas wie künstliche Intelligenz eingebaut, mit der Surround AI.
Da werden wir in Zukunft sicher noch mehr in anderer Form von hören.

https://www.gametainment.net/yamaha-sur ... ergnuegen/

Gruß Scotti

Ein sehr spannendes Einsatzgebiet von KI wäre die Vorhersage der klanglichen Bewertung eines Lautsprechers anhand von Frequenzgangmessungen (vielleicht noch zusätzlich in Kombination mit Verzerrungsmessungen usw.). Es könnte eventuell sogar so weit getrieben werden, dass eine Aussage darüber gemacht werden kann, wie ein bestimmter LS in einem spezifischen Raum bewertet werden würde.

Die Untersuchungen von Floyd E. Toole und Sean Olive zeigen, dass es einen klaren Zusammenhang gibt. Siehe zum Beispiel "Measurements and Their Relationship to Listener" von Floyd E. Toole 1986 bis zu Sean Olive "Method for predicting loudspeaker preference" 2005. Oder in Sean Olives Blog hier. Das Youtube-Video von Floyd Toole muss ich hier nicht mehr verlinken.

Einen Schritt weiter geht "Quantifying Sound Quality in Loudspeaker Reproduction" von JOHN G. BEERENDS, KEVIN VAN NIEUWENHUIZEN AND EGON L. VAN DEN BROEK 2016. Diese versuchen auch noch den Einfluss des Raumes mit zu beachten.

Der nächste Schritt wäre die Fähigkeit der "Pattern-Erkennung" von KI auszunutzen. Leider müsste man dafür tausende Hörbewertungen von LS unter kontrollierten Bedingungen durchführen. Das wäre bei Verwendung von binauralen Aufnahmen von LS in verschiedenen Umgebungen und einem Massenhörtest via Internet möglich (mit Beschränkung auf bestimmte Kopfhörermodelle und der automatischen Faltung des Musiksignals mit einer Korrekturkurve für diese Modelle).

Das Ergebnis wäre ein Computermodell das eine klangliche Bewertung eines beliebigen Lautsprechers in bestimmten "Raumkategorien" (bei optimaler Aufstellung) mit sehr hoher Korrelation zur Realität, anhand von LS-Messungen ermöglichen würde.

und wo bleibe ICH?

oder meinst du, das könnte unabhängig von persönlichen Präferenzen, individueller Erfahrung, etc funktionieren?
für Kammermusik genauso wie für Techno, whatsoever?

oder meinst du, das könnte unabhängig von persönlichen Präferenzen, individueller Erfahrung, etc funktionieren?
für Kammermusik genauso wie für Techno, whatsoever?

Ich weiß nicht ob es technisch realisierbar ist. Also was die Mindestanzahl an Lautsprecher-Messungen und Bewertungen ist, bis ein selbst-lernender Algorithmus sinnvolle Pattern aufzeigen kann. Wenn die Anzahl bei zehntausend liegt, ist es eher nicht realisierbar

Dass es eine klare Korrelation zwischen Frequenzgangmessungen ("Spinorama", CTA-2034-A) und der Bewertung von Lautsprecher in Hörsessions gibt, ist nichts Neues (siehe z.B. Floyd Toole's Vortrag auf Youtube).

Bei dem "statischen Algorithmus" von Sean Olive gibt es vereinzelt deutliche Abweichungen von vorhergesagter Bewertung zur Bewertung im Hörtest. Source: METHOD FOR PREDICTING LOUDSPEAKER PREFERENCE, Patent, Inventor Sean Olive

Bei so einem Algorithmus geht es aus Sicht der Industrie natürlich in erster Linie darum ein Vorhersageinstrument für den bestmöglichen Absatz eines Lautsprechers im Massenmarkt zu schaffen. Dafür ist eine gute Korrelation schon ausreichend, es muss nicht jeder einzelne Lautsprecher treffend vorhergesagt werden, es reicht wenn ein LS mit einem optimierten "Messprofil" treffend vorhergesagt wird.

Was ist mit den "persönlichen Präferenzen, individueller Erfahrung, etc"?
Die starke Korrelation zeigt, dass diese in den meisten Fällen nur Einbildung ist. So wie auch jeder glaubt er sei immun gegen die psychologische Manipulation durch die Werbeindustrie, Populisten oder "Mental-Magier". Auch beim Thema Lautsprecherklang gibt es so etwas wie "allgemeine Präferenzen". Was irgendwie logisch ist, da zwar jeder individuell hört (jedes Ohr ist schon anatomisch verschieden), aber eben individuell jeder weiß wie Kirchenglocken, Blätterrascheln, menschliche Stimmen, Instrumente... zu klingen haben. Wenn ein LS das nicht "natürlich" wiedergeben kann, wird jeder diesen LS schlechter bewerten.

Die "Ausreißer" in den Vorhersagen zeigen aber, dass noch viel Platz für Optimierung vorhanden ist und genau da würde ich vermuten, könnte mittels KI eine deutliche Verbesserung erzielt werden.

Die Präzision einer solchen Vorhersage wird aber natürlich niemals zuverlässig für jeden Einzelnen funktionieren - da ist dann doch noch der Raum für "persönlichen Präferenzen, individueller Erfahrung, etc"