三体声音科技推出了Deep Vintage 2.0系列插件，在一代的基础上改善了众多特性，旨在更进一步的模拟传统硬件设备的效果器。

与传统的电路建模或使用冲激响应(IR)技术不同，Deep Vintage 2.0系列搭载了三体声音科技最新研发的APNN 2.0神经网络引擎。该引擎在训练过程中，以干声为期望输入，以真实硬件的输出作为期望输出，通过不断优化波形和频谱的匹配度，逐步接近真实硬件的声音效果。随着训练时间的增加，神经网络能够显著降低波形和频率的误差，最终实现与真实硬件极为相似的听感，在保持CPU使用率和延迟最低的同时，可以更加准确的复制硬件设备的声音特性。

三体声音科技提供了一个在线试听功能，允许用户体验在不同训练时长下的声音效果:
https://www.threebodytech.com/cn/products/deepvintage

其他特性:

独立谐波控制

在Deep Vintage 2.0系列中，谐波总量可以被独立控制，在保持频响，动态响应等特性改变不大的前提下增大或削弱谐波失真。

低频饱和技术

Deep Vintage 2.0在神经网络中定位了哪些神经元用来模拟音频变压器，俗称的“音频牛”的听感. 音频变压器会让低频变得更加张扬，厚重。Deep Vintage 2.0 提供了可切换开关，让用户在有变压器和无变压器两个版本之间进行切换。

升采样

大部分音频处理神经网络都只能运行在固定采样率下，但Deep Vintage 2.0系列插件可运行在任意采样率，全新升级的重采样算法保证了在任意采样率下的模型精确性，进一步的，Deep Vintage系列全面支持高达8倍的升采样，进一步的降低混叠。

EQ协同训练

大部分音频处理神经网络只能捕捉设备的某一个状态，对于带有EQ的效果器，Deep Vintage 2.0制作了基于电路建模的EQ模型，再让这个模型和AI模型一起“协同训练”。AI去学失真，而EQ则微调参数，让理论模型更接近实际EQ响应特性，使得用户可以同时得到可自由调节的EQ，以及逼近真实硬件的频谱响应。

磁带机的Wow/Flutter协同训练

Wow（抖动）/Flutter（晃动）是由于磁带传输系统中的机械不一致性而发生的音高变化。Wow指的是较慢、更明显的音高波动，而flutter则是一种更快的速度变化形式。就像EQ协同训练一样，Deep Vintage 2.0使用了物理建模的Wow/Flutter模拟，并使其与神经网络一起训练。不但让神经网络训练出来的结果更像真的，同时还让建模的Wow/Flutter效果更接近硬件原型。 #### 可调节的底噪 Deep Vintage系列模拟了设备的底噪，用户可以根据需要调整噪音的量。 ### “老DAW声” 功能 Deep Vintage 2.0系列插件提供了一个启发自某款2000年左右的经典DAW的声音( 哎呀, 会是哪一款啊? 好难猜啊. )，虽然它对信号只造成一点点极其微小的变化（变化小于-140dB）。但三体声音科技依旧依然没有忽略它，用户可以根据需要打开或关闭这个功能。

低CPU占用

不同于大部分AI云服务，Deep Vintage系列和其他普通插件一样完全在用户的本地实时运行，并且拥有很低的CPU占用。