En effektpedal, ofte kalt stompbox, er en liten boks med brytere og kontroller som musikeren betjener med foten for å endre lyden fra et instrument eller en mikrofon. En bassist som skulle kjøpe ny bass, innså at han også trengte en kraftig multifunksjonspedal – helst én enhet som kunne gi mange lyder, i stedet for en gulvflate full av separate pedaler.

Den kommersielle løsningen han ønsket seg, kostet imidlertid mer enn det var enkelt å forsvare i familiens budsjett. Resultatet ble et gjør-det-selv-prosjekt basert på en gammel Raspberry Pi 4, et USB-lydkort han allerede hadde og gratis programvare. Det eneste han til slutt måtte kjøpe, var en fotkontroller til om lag 100 dollar.

Fra modellbibliotek til effektprosessor

Etter oppdateringen til TONE3000 versjon 2 hadde musikeren fått øynene opp for plattformen, som har et omfattende bibliotek med modeller til Neural Amp Modeler, eller NAM. Der finnes digitale modeller av reelle forsterkere, høyttalerkabinetter, effektpedaler og hele signalkjeder, blant annet basert på utstyr fra Fender, Trace Elliot, Marshall og Boss.

Modellering var først ikke det han var mest interessert i. Et råd fra Alexa, programleder for podkasten «Bitflip», om å se nærmere på PiPedal endret imidlertid retningen. PiPedal er en gratis effektplattform med åpen kildekode som kan gjøre en Raspberry Pi 4 eller Raspberry Pi 5 om til en multifunksjonell effektprosessor. Blackstar Beam Mini bygger på en beslektet idé i et kommersielt produkt, med tusenvis av innfangede forsterker- og pedallyder.

PiPedal 2.0 har direkte tilgang til TONE3000. Dermed kan brukeren bla i og laste ned NAM-modeller fra programmet, basert på opptak av reelle forsterkere, forforsterkere og pedaler. Plattformen har dessuten tradisjonelle programtillegg for romklang, delay, chorus, kompresjon, equalizer, forvrengning, metning og endring av tonehøyde.

Lot ChatGPT gjøre den tekniske jobben

Maskinvaren var altså allerede på plass, men musikeren manglet kunnskapen som skulle til for å gjøre enkeltdelene om til et avansert effektsystem. I stedet for å bruke flere dager på dokumentasjon om Linux-lyd, GitHub-diskusjoner og MIDI-manualer, beskrev han hva han ønsket å få til.

ChatGPT lastet ned og installerte programvaren, satte den opp, identifiserte hva som ikke fungerte og justerte innstillingene underveis. Slik ble en samling reserveutstyr gradvis til en effektprosessor. Beskjeden om at systemet skulle starte direkte i effektpedalmodus, ble også fulgt.

Musikeren kunne videre gi ChatGPT en spilleliste med 40 låter og be den lage et passende forhåndsinnstilt oppsett for hver enkelt. Etter noen timer hadde han en multifunksjonspedal, låtspesifikke oppsett, kombinasjoner av forsterkere og kabinetter, effektkjeder og et grensesnitt tilpasset berøringsskjermen på en iPad.

En MIDI-fotkontroller med seks knapper gjorde at løsningen, sett fra musikerens ståsted, fungerte omtrent som en vanlig stompbox. Ett trykk kunne hente frem en innstilling for «Sorrow», et annet en for «New York Minute» og et tredje en for «Earth Song».

Nevrale nettverk reduserer maskinvarekravene

Lydkvaliteten viste seg å være svært god. Modellering av forsterkere med nevrale nettverk har de siste årene blitt så presis at det i blinde sammenligninger noen ganger er svært vanskelig å høre forskjell på en modell og det virkelige utstyret. Selve tanken er heller ikke ny: Yamaha modellerte allerede i 1993 luftstrøm, rørblad og resonans i saksofoner og andre akustiske instrumenter med VL1. Senere brukte Line 6 og andre selskaper lignende prinsipper for gitarforsterkere.

Neural Amp Modeler trener et nevralt nettverk på opptak av faktisk lydutstyr. Systemet lærer hvordan det konkrete utstyret reagerer på inngangssignalet, fremfor bare å forsøke å etterligne klangen omtrent ved hjelp av tradisjonelle effekter.

Den nye Architecture 2 i NAM kan redusere behovet for regnekraft betydelig. Prosessorbruken er anslått til å være rundt 30–40 prosent lavere enn i tidligere versjoner. Det gjør at en liten Raspberry Pi kan kjøre teknologi som inntil nylig var tett knyttet til kostbart profesjonelt utstyr.

Den ferdige løsningen ble i praksis en åpen kildekode-variant av produkter som Neural DSP Quad Cortex. Forskjellen er integrasjonen: I et kommersielt produkt er alt samlet i ett robust og nøye gjennomarbeidet kabinett, mens denne løsningen er fordelt mellom Raspberry Pi, lydkort, nettbrett og MIDI-kontroller.

Ikke klar for en stor konsertscene

Et slikt prosjekt er likevel ikke det samme som en ferdig profesjonell multifunksjonspedal. Kommersielle enheter har vanligvis solide metallkasser, egnede fotbrytere, kontakter på instrumentnivå og en produsent som tar ansvar for at alle delene fungerer sammen.

Her besto systemet av Raspberry Pi og flere eksisterende deler. Valget av lydkort ble avgjørende: Et svært lite grensesnitt fra en kjent produsent av gitarutstyr var så problematisk at det ble byttet ut med en større Arturia-enhet, som likevel virket egnet til å ha med i musikerbagen.

Da musikeren lette etter svakheter, opplevde han at alt som trengtes, fungerte logisk og slik det var ment. Han ville foreløpig ikke stolt på systemet foran 20.000 publikummere – ikke fordi han hadde funnet en bestemt teknisk feil, men fordi løsningen ikke var prøvd i en så krevende livesituasjon.

I studio fremstår den derimot som godt egnet. Systemet kan raskt lage lyder som minner om klangene Pino Palladino eller Guy Pratt bruker. På scenen ville det være fornuftig å ta med et ekstra PiPedal-oppsett i reserve, i tilfelle det første uventet slutter å fungere.

KI senker terskelen for avanserte oppsett

Det mest sentrale ved prosjektet er ikke bare at en Raspberry Pi kan bli en kraftig effektprosessor. Tidligere lå den usynlige inngangsbilletten i kunnskapen. Maskinvaren kunne koste noen hundre dollar, men brukeren måtte forstå Linux, lyd og nettverksadministrasjon – og ha tålmodighet til å koble sammen og konfigurere alle delene.

Nå kan brukeren formulere hva systemet skal gjøre og vurdere resultatet, mens ChatGPT kan bistå med den tekniske kunnskapen når den trengs. Dersom en klang ikke er god nok, kan brukeren be KI-en legge til mer chorus, øke mellomtonen eller bruke en Cali76-modell i stedet for Boss CS-3.

Noen oppsett vil systemet lage svært presist, andre blir først og fremst et godt utgangspunkt, og enkelte kan virke uforståelige. Men brukeren trenger ikke lenger å lære hele det tekniske fagfeltet på forhånd for å komme i gang med prosjektet.

PiPedal bærer samtidig preg av å være gratis programvare med åpen kildekode. Nettgrensesnittet ser ikke ut som noe fra et kostbart designstudio, og har et streif av gammel Geocities-estetikk. Det er neppe et system man uten videre ville overlevert til en profesjonell musiker med forsikringen om at alt vil gå bra.

Utseendet er likevel ikke hovedsaken. PiPedal tilbyr parameterne, signalrutingene, lydmodellene og fleksibiliteten som trengs. Det ser kanskje ikke ut som en enhet til 1000 dollar, men funksjonelt kommer det nær nok til at den dyre kommersielle løsningen kan fremstå som mindre overbevisende.

Musikeren endte dermed med flere lyder enn han trolig noen gang vil bruke, og med muligheten til å endre systemet ved å beskrive for KI-en hva det skal lage eller justere neste gang. Den mest interessante delen av den nye stompboxen er dermed ikke Raspberry Pi-en, men formuleringen brukeren gir systemet når han vil skape noe nytt.