neural network → noise » neurons (15)

来源: Freesound 前往原页面 查看译文
作者:arseniiv
许可:CC0 公众共享许可协议  
描述:Results from running randomlygenerated neural networks (all weights in neuron connections start random and then slowly drift when generating). Although sample rates used are 44.1 and 48 kHz, sounds pretty lofi. The reason could be input compression needed for network to actually work. Each sound channel is an output from two separate neurons in the network. Each sample in this pack is generated by a separate network, as they wasn’t saved anywhere after they produce a thing. Global parameters (output compression, neuron count, drift rate etc.) aren’t the same from sample to sample, too.
标签: digital neuralnetwork glitch random lofi harsh noise
音频格式flac
声音时长00:06
文件大小1 MB
比特率1398 kbps
采样率48000 Hz
位深度16 bit
声道立体声
音频蛋下载 推荐

◦  支持一键下载
◦  智能提速线路
◦  队列批量下载
◦  免费跨站下载

  加入任务队列
原站点下载 备用

◦  账户登录下载
◦  普通站点线路
◦  单个文件下载
◦  免费站内下载

  前往声音页面

———— 类似的声音 ————

来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。
来源Freesound
描述:运行随机生成的神经网络的结果(神经元连接中的所有权重随机开始,然后在生成时缓慢漂移)。虽然使用的采样率是44.1和48 kHz,但听起来相当低保真。原因可能是网络实际工作所需的输入压缩。每个声道是网络中两个独立神经元的输出。此包中的每个样本都是由一个单独的网络生成的,因为它们在生成一个东西后没有保存在任何地方。全局参数(输出压缩,神经元计数,漂移率等)在样本之间也不尽相同。