Effets Guitare Electrique

Préampli guitare dynamique à plusieurs étages avec compresseur, noise gate, simulateur de haut-parleur et MIDI dans un format compact. La Neuron offre d'incroyables sonorités d'amplis, allant des sons clairs brillants à de grosses distorsions. Son architecture de gain dynamique à plusieurs étages produit un contrôle unique sur la quantité de distorsion, générant sans effort des structures harmoniques subtiles ou bien denses et complexes. L'un de ses meilleurs atouts est son ressenti, qui est presque surréaliste comparé à un ampli.

ARTICLE N° 83204
  • Neunaber Audio Neuron
  • Pédale d'effet pour guitare
  • Type : Preamp
  • Pensée et fabriquée en Californie, USA
  • True Bypass
  • Contrôles : Gain/gate, comp/speaker sim, level, low/tight, mid/tilt, high/pres
  • Connectiques : 2 Jack 6,35mm
  • Alimentation : Adaptateur 9V DC, centre négatif
  • Dimensions : 116 x 68 x 47 mm
  • Poids : 256 g
Fonctionnalités :
- Compresseur intégré au niveau de saturation pour un son doux et régulier.
- Noise gate ajustable de qualité studio pour un signal silencieux.
- Tilt EQ pour adapter votre son à vos configurations sans changer de presets.
- Simulation de haut-parleurs pour une utilisation en direct.
- Egalisation 3 bandes.
- 6 presets enregistrables au pied via le footswitch.
- 24 presets peuvent être appelés via un contrôleur MIDI.
- Tous les réglages sont accessibles via un contrôleur MIDI.
Effets
 Préampli
Analogique / numérique
 Numérique
Mono / stéréo
 Mono
Chemin du signal, true / buffered bypass
 True bypass
Sortie accordeur
 Non
Sortie D.I.
 Non
Sortie casque
 Non
Alimentation
 Adaptateur secteur (vendu séparément)
Écran
 Non
Entrée pédale de contrôle
 Non
Port MIDI
 Oui
Port USB
 Non
Boucle d'effets externe
 Non
La Neuron est le résultat de plusieurs années de recherche et de développement.
Nous avons étudié les structures de gain de pédales et d'amplis à lampes et à transistors, pas seulement la manière dont ils sonnaient, mais pourquoi.
Nous avons développé de nouveaux algorithmes uniques pour tester nos trouvailles, puis nous avons affiné ces algorithmes en fonction de ce que l'on apprenait. Brian Neunaber

Plein feu sur