লাভ:
- কোথায় কৃত্রিম বুদ্ধিমত্তা সঙ্গীত উৎপাদনে (ধারণা, খসড়া, প্রযুক্তিগত বিশ্লেষণ, মৌখিক বিষয়বস্তু) বাস্তব সময় বাঁচায় এবং যেখানে নান্দনিক সিদ্ধান্ত এবং স্বাক্ষর শব্দের মতো পছন্দগুলি শিল্পীর উপর ছেড়ে দেওয়া হয়, টাস্ক ঝুঁকির স্তরের উপর নির্ভর করে তা আলাদা করতে সক্ষম হওয়া।
- একটি যাচাইকরণ শৃঙ্খলা প্রয়োগ করার ক্ষমতা যা কান, রেফারেন্স এবং প্রযুক্তিগত পরিমাপ দ্বারা প্রতিটি AI আউটপুট পরীক্ষা করে
- কপিরাইট, লাইসেন্স এবং গোপনীয়তার পরিপ্রেক্ষিতে কোন ইনপুটগুলি (অপ্রকাশিত ডেমো, শিল্পীর ভয়েস, চুক্তিবদ্ধ কাজ) কৃত্রিম বুদ্ধিমত্তাকে দেওয়া যাবে না তা বোঝা
একটি স্টুডিও বা বেডরুমের স্টুডিওতে প্রতিদিন কয়েক ডজন সৃজনশীল সিদ্ধান্ত নিঃশব্দে নেওয়া হয় (বাড়িতে তৈরি একটি ছোট উৎপাদন পরিবেশ)। এই গান কি সুর হওয়া উচিত? কোরাস কোথায় বিস্ফোরিত করা উচিত? কত খাদ স্ট্যান্ড আউট করা উচিত? এই ভোকাল কি খুব টাইট? এই বিবৃতি একটি cliché? এই ড্রাম লুপ কি কপিরাইটযুক্ত? এর মধ্যে কিছু সিদ্ধান্ত পুনরাবৃত্তিমূলক, প্রযুক্তিগত এবং সময়সাপেক্ষ; তাদের কেউ কেউ সরাসরি গানের স্পিরিট, শিল্পীর পরিচয় এবং কাজের আইনি মর্যাদা নির্ধারণ করে। কৃত্রিম বুদ্ধিমত্তা (এআই, বা সংক্ষিপ্ত কম্পিউটার সিস্টেমের জন্য AI যা মানুষের মতো পাঠ্য তৈরি করতে পারে, শব্দ এবং সঙ্গীত তৈরি করতে পারে, প্যাটার্ন চিনতে পারে এবং পরামর্শ দিতে পারে) এই ছবির ঠিক মাঝখানে ফিট করে: সঠিকভাবে ব্যবহার করা হলে, এটি ঘন্টার চেয়ে মিনিটে ধারণা, খসড়া এবং প্রযুক্তিগত বিশ্লেষণ প্রস্তুত করতে পারে; ভুলভাবে ব্যবহার করা হলে, এটি অস্পষ্ট, ক্লিচ বা নৈতিকভাবে সমস্যাযুক্ত আউটপুট সহ একটি প্রকাশনার দিকে নিয়ে যেতে পারে।
এই মডিউলের প্রথম ইউনিট একটি সফ্টওয়্যার ভূমিকা নয়। এর উদ্দেশ্য হল আপনার প্রোডাকশনে AI কোথায় রাখবেন এবং কোথায় রাখবেন না তা স্পষ্ট করা। কারণ সঙ্গীত একটি "প্রযুক্তিগত-সমালোচনামূলক" এবং "পরিচয়-সমালোচনামূলক" ক্ষেত্র উভয়ই: আপনি যে মিক্সিং সিদ্ধান্ত নেন তা নির্ধারণ করে গানটি কেমন হবে; আপনার নেওয়া একটি নান্দনিক সিদ্ধান্ত নির্ধারণ করে আপনি কে। আসুন শুরু থেকে মূল নীতিটি তৈরি করা যাক: এআই একজন সহকারী, শিল্পী নয়। নান্দনিক পছন্দ, স্বাক্ষর শব্দ এবং চূড়ান্ত অনুমোদন যোগ্য প্রযোজক এবং শিল্পীর সাথে। একটি অযাচাইকৃত বা কপিরাইট আউটপুট একটি স্বাক্ষরবিহীন মাস্টারের মতো।
সঙ্গীত উৎপাদনের স্তর এবং AI এর স্থান
একটি গানের উৎপত্তিকে তিনটি স্তরে বিভক্ত করা কার্যকর। সৃজনশীল স্তর হল ধারণা: সুর, জ্যা, লিরিক, আবেগ, পরিচয়। বিন্যাস-উৎপাদন স্তর হল ধারণাটিকে একটি কাজে রূপান্তর করা: যন্ত্র, তাল, শব্দ নকশা, বিন্যাস। প্রযুক্তিগত-প্রকাশনা স্তর হল সেই প্রক্রিয়া যার মাধ্যমে কাজটি শ্রবণযোগ্য এবং বিতরণযোগ্য হয়ে ওঠে: মিশ্রণ (শব্দের ভারসাম্য), মাস্টারিং (চূড়ান্ত পোলিশ এবং উচ্চতা সমন্বয়), বিতরণ। AI তিনটি স্তরকে স্পর্শ করতে পারে, তবে প্রতিটিতে আলাদা কর্তৃত্ব সহ। সৃজনশীল স্তরে, AI বিকল্পগুলি তৈরি করে, সিদ্ধান্তটি শিল্পীর উপর নির্ভর করে। প্রযুক্তিগত স্তরে, AI পরিমাপ এবং খসড়া দেয়, যাচাইকরণ ইঞ্জিনিয়ারের।
শুরু থেকে কয়েকটি মৌলিক পদ সংজ্ঞায়িত করা যাক। DAW (ডিজিটাল অডিও ওয়ার্কস্টেশন) হল প্রধান সফ্টওয়্যার (যেমন অ্যাবলটন লাইভ, এফএল স্টুডিও, লজিক প্রো) যার সাহায্যে আপনি সঙ্গীত রেকর্ড, সম্পাদনা এবং মিশ্রিত করেন। MIDI হল এমন ডেটা যা কখন এবং কতটা জোরে নোট বাজাতে হবে তার "নির্দেশ" বহন করে, শব্দ নিজেই নয়। স্টেম হল আলাদা সাউন্ড গ্রুপে একটি গানের ফর্ম (যেমন শুধুমাত্র কণ্ঠ, শুধুমাত্র ড্রাম)। BPM (প্রতি মিনিটে বিট) হল গতি; প্রতি মিনিটে বীটের সংখ্যা। আমরা নিম্নলিখিত এককগুলিতে এই ধারণাগুলি একে একে ব্যাখ্যা করব; আপাতত, এটি জানুন: AI আপনাকে এই সমস্ত ধারণাগুলির জন্য রূপরেখা এবং পরামর্শ দেয়, তবে এটি "গানটি কী হওয়া উচিত" তা নির্ধারণ করে না।
নিম্নলিখিত সারণীটি মিশনের দ্বারা এআই-এর ভূমিকা এবং ঝুঁকির স্তরকে সংক্ষিপ্ত করে:
কোয়েস্ট
AI এর ভূমিকা
ঝুঁকির স্তর
কে অনুমোদন করে
কর্ড/মেলোডি আইডিয়া তৈরি করা
ধারণা জেনারেটর
কম
সুরকার
একটি গানের খসড়া লেখা
স্কেচ জেনারেটর
মাঝারি
গীতিকার/শিল্পী
শব্দ নকশা পরামিতি সুপারিশ
প্রযুক্তিগত পরামর্শদাতা
মাঝারি
শব্দ ডিজাইনার
মিশ্রণ সেটিংস সুপারিশ
ডায়াগনস্টিক + প্রাথমিক সেটিং
মাঝারি-উচ্চ
মিক্স ইঞ্জিনিয়ার
স্বয়ংক্রিয় মাস্টারিং
স্বয়ংক্রিয় প্রসেসর
উচ্চ
মাস্টারিং ইঞ্জিনিয়ার
নমুনা/উৎপন্ন অডিও ব্যবহার করে
কাঁচামাল
উচ্চ
কপিরাইট/আইন কর্মকর্তা
একজন শিল্পীর কণ্ঠস্বর ক্লোনিং
অনুমতি দিলেই হবে
খুব উচ্চ
শিল্পী + আইন
এই একটি লাইন মনে রাখবেন: বাড়তে বাড়তে AI এর ভূমিকা সঙ্কুচিত হয় এবং মানুষের অনুমোদন এবং রয়্যালটি নিয়ন্ত্রণ বৃদ্ধি পায়।
কেন "যাচাই" এই ব্যবসার হৃদয়
কৃত্রিম বুদ্ধিমত্তা তার উত্তরে আত্মবিশ্বাসী বলে মনে হয়, তবে এটি নিশ্চিত নাও হতে পারে। প্রযুক্তিগত ভাষায়, একে হ্যালুসিনেশন বলা হয়: এটি যখন মডেলটি সাবলীলভাবে এমন তথ্য উপস্থাপন করে যা বাস্তবে বিদ্যমান নেই বা মিথ্যা, ঠিক যেন এটি সত্য। সঙ্গীত উৎপাদনে, এটি এইরকম দেখায়: মডেলটি আপনাকে বলতে পারে "-8 LUFS হল এই গানের জন্য আদর্শ মাস্টার লেভেল", যেখানে আপনি যে প্ল্যাটফর্মটি লক্ষ্য করছেন তা -14 LUFS চায়, এবং সেই মানটি আপনার ট্র্যাকে ক্ষতি করবে৷ অথবা তারা বলতে পারে, "এই কর্ডের অগ্রগতি সম্পূর্ণরূপে আসল," যদিও এটি একটি সুপরিচিত গানের কোরাসের সাথে প্রায় অভিন্ন। কেউ একটি গানের কথা বলতে পারে যে "এই লাইনটি আসল" যখন এটি একটি বিদ্যমান গানের সাথে বিপজ্জনকভাবে অনুরূপ। যেহেতু তিনি একই আত্মবিশ্বাসের সাথে তাদের সব বলেছেন, একমাত্র জিনিস যা সঠিক থেকে ভুলকে আলাদা করে তা হল আপনার কান, জ্ঞান এবং যাচাই করার অভ্যাস।
সঙ্গীতে যাচাইকরণের শৃঙ্খলা তিনটি ধাপ নিয়ে গঠিত:
- কান দিয়ে শুনুন: প্রতিটি প্রযুক্তিগত পরামর্শ (EQ, কম্প্রেশন, লেভেল, টেম্পো) প্রয়োগ করার আগে এবং পরে, আপনার নিজের মনিটরে এবং সম্ভব হলে হেডফোন বা ফোন স্পীকার দিয়ে শুনুন। সংখ্যাটি সঠিক মনে হলেও কানে ভুল শোনাতে পারে।
- রেফারেন্সের সাথে তুলনা করুন: একটি বাণিজ্যিকভাবে প্রকাশিত "রেফারেন্স গান" এর সাথে তুলনা করুন যা আপনার রীতিতে সম্মানিত। AI এর পরামর্শ কি আপনাকে রেফারেন্স থেকে কাছাকাছি বা আরও দূরে নিয়ে যায়?
- কপিরাইট এবং নীতিশাস্ত্র ফিল্টার: উত্পাদিত সুর, শব্দ বা শব্দ অন্য কারো অধিকার লঙ্ঘন করে কিনা, ক্লিচ, বা ব্র্যান্ড নিরাপত্তা লঙ্ঘন করে কিনা তা পরীক্ষা করুন।
মনোযোগ: AI দ্বারা প্রদত্ত একটি প্রযুক্তিগত মান এটি না শুনে বা যাচাই না করে তৈরি করা সুর/গীতি প্রকাশ করা একটি স্বাক্ষরবিহীন মাস্টার পাঠানোর মতো। আউটপুট মসৃণ বা দ্রুত বের হওয়ার কারণে সঠিক বা নিরাপদ নয়।
কপিরাইট এবং গোপনীয়তা: আপনি কি ইনপুট দেবেন না
সঙ্গীত একটি বাণিজ্যিক এবং সৃজনশীল ক্ষেত্র; কিছু ইনপুট কখনই পাবলিক এআই টুলে দেওয়া উচিত নয়। এর মধ্যে রয়েছে অপ্রকাশিত ডেমো (আপনার গান যা এখনও প্রকাশিত হয়নি), চুক্তিবদ্ধ কাজের কান্ড (যে সামগ্রীগুলি আপনি অন্য শিল্পী/লেবেলের জন্য তৈরি করেছেন এবং যেগুলি গোপনীয়তার বাধ্যবাধকতার সাপেক্ষে), একজন শিল্পীর অননুমোদিত কাঁচা কণ্ঠস্বর রেকর্ডিং এবং ব্যক্তিগত/আর্থিক চুক্তির বিশদ বিবরণ। কারণটি হল: পাবলিক টুলগুলি তাদের সার্ভারে ডেটা সঞ্চয় করতে পারে বা মডেলকে প্রশিক্ষণ দিতে এটি ব্যবহার করতে পারে। এটি ফাঁস, কপিরাইট চেইন অনিশ্চয়তা এবং চুক্তি লঙ্ঘনের ঝুঁকি তৈরি করে৷ নিয়মটি সহজ: সংবেদনশীল উপাদান শেয়ার করবেন না; আপনার যদি শেয়ার করার প্রয়োজন হয়, একটি চুক্তিবদ্ধ এবং সুরক্ষিত টুল বেছে নিন যা প্রশিক্ষণে আপনার ডেটা ব্যবহার করে না। ধারণা তৈরি বা সাধারণ পরামর্শের জন্য, একটি বেনামী, জেনেরিক বর্ণনা যথেষ্ট: "আমার গোপন ডেমোর সম্পূর্ণ রেকর্ডিং" এর পরিবর্তে এটিকে "80 BPM, একটি ছোট কী, বিষণ্ণ R&B ট্র্যাক" হিসাবে বর্ণনা করুন।
তিনটি মিনি কেস
কেস 1 - নিরাপদ ব্যবহার। একজন প্রযোজকের একটি কমার্শিয়ালের জন্য 6টি ভিন্ন ভিন্ন খসড়া সুরেলা আইডিয়ার প্রয়োজন ছিল এবং প্রতিটিকে হাতে নিয়ে চেষ্টা করতে তার 2 দিন লেগেছিল। তিনি YZ জেনার, টেম্পো (110 BPM), আবেগ ("আশাবাদী, পরিষ্কার") এবং সময়ের সীমাবদ্ধতা দিয়েছেন এবং 6টি কর্ড-মেলোডি ড্রাফ্ট চেয়েছেন। AI 15 মিনিটে কঙ্কাল তৈরি করে; প্রযোজক তার পিয়ানোতে প্রত্যেকটি বাজিয়েছেন, দুটিকে সরিয়ে দিয়েছেন, একটিকে তার নিজস্ব মোটিফ দিয়ে পুনরায় লিখেছেন এবং এটি তার DAW-তে সাজিয়েছেন। সময়কাল: 2 দিনের পরিবর্তে অর্ধ দিন। এআই আইডিয়া দিল, কাজ চলে গেল প্রযোজকের কাছে।
কেস 2 - অনিশ্চিত প্রযুক্তিগত মান ফাঁদ। একজন বীটমেকার এআইকে জিজ্ঞাসা করেছিল "আমি আমার মাস্টারকে কতটা উঁচুতে তৈরি করব?" "প্রায় -6 LUFS শিল্পে মানসম্মত," YZ বলেছেন। বিটমেকার এটি বাস্তবায়ন করেছে; ট্র্যাকটি স্ট্রিমিং প্ল্যাটফর্মে ফিরে থ্রোটল করা হয়েছিল, পাম্পিং বেস এবং গতিশীলতা হারিয়েছে৷ প্রকৃত লক্ষ্য ছিল প্রায় -14 LUFS। ভুল: প্ল্যাটফর্মের প্রেক্ষাপটের সাথে যাচাই না করেই প্রযুক্তিগত মান প্রয়োগ করা।
কেস 3 - কপিরাইট/নৈতিকতা লঙ্ঘন। একজন প্রযোজক তার অনুমতি ছাড়াই একজন সুপরিচিত শিল্পীর কণ্ঠস্বর ক্লোন করে এককভাবে ব্যবহার করে তা প্রকাশ করেন। ট্র্যাকটি ভাইরাল হয়েছিল, কিন্তু শিল্পীর দল ব্যক্তিত্ব এবং সেলিব্রিটি অধিকার লঙ্ঘনের উল্লেখ করে ব্যবস্থা নিয়েছে; ট্র্যাকটি প্ল্যাটফর্ম থেকে সরানো হয়েছিল এবং প্রস্তুতকারককে আইনি ঝুঁকিতে রাখা হয়েছিল। সঠিক উপায় ছিল ভয়েস ব্যবহার না করা, অথবা স্পষ্ট, নথিভুক্ত অনুমতি নিয়ে কাজ করা।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
একটি সুন্দর গানের জন্য আমাকে chords দিন.
এই অনুরোধটি ত্রুটিপূর্ণ: ধারা, স্বর, গতি, আবেগ এবং উদ্দেশ্য পরিষ্কার নয়। AI শুধুমাত্র গড়, ক্লিচড এবং প্রসঙ্গহীন আউটপুট তৈরি করে; এটি ব্যবহারযোগ্য হওয়ার সম্ভাবনা কম।
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: একজন সঙ্গীত প্রযোজকের সহকারী। ধরণ: মেলানকোলিক ইন্ডি-পপ। স্বর: একটি নাবালক। টেম্পো: 92 BPM। অনুভূতি: আকাঙ্ক্ষা, আশাবাদী দুঃখ। রেফারেন্স টোন: প্লেইন, গিটার-পিয়ানো-ভিত্তিক। টাস্ক: শ্লোক এবং কোরাসের জন্য পৃথকভাবে 4-বারের জ্যা অগ্রগতির পরামর্শ দিন। একটি রোমান সংখ্যা এবং জ্যা নাম সহ প্রতিটি অগ্রগতি দিন, একটি সংক্ষিপ্ত ন্যায্যতা লিখুন। খুব সাধারণ নিদর্শনগুলি এড়িয়ে চলুন যা clichés হতে পারে; এছাড়াও একটি বিকল্প প্রস্তাব. দ্রষ্টব্য: এটি একটি প্রাথমিক খসড়া; সুর এবং চূড়ান্ত পছন্দ আমার।
এই প্রম্পট জেনার, টোন, টেম্পো, আবেগ, বিন্যাস এবং ভূমিকা স্পষ্ট করে; একটি স্টাব হিসাবে আউটপুট অবস্থান. ফলাফল একটি ব্যবহারযোগ্য শুরু.
সাধারণ ভুল
- শিল্পীর জায়গায় AI স্থাপন করা: AI-কে নান্দনিক এবং পরিচয় সংক্রান্ত সিদ্ধান্ত অর্পণ করার ফলে শেষ পর্যন্ত আত্মাহীন উৎপাদন হবে যা দেখতে অন্য সবার মতো।
- না শুনে প্রযুক্তিগত মান প্রয়োগ করা: LUFS, EQ, কান এবং প্ল্যাটফর্মের প্রসঙ্গ দ্বারা টেম্পো এর মতো মান যাচাই না করা।
- কপিরাইট উপেক্ষা করা: উত্পাদিত সুর/শব্দ/ধ্বনি অন্য অধিকার লঙ্ঘন করে কিনা তা পরীক্ষা না করা।
- একটি পাবলিক টুলে সংবেদনশীল উপাদান আপলোড করা: একটি পাবলিক এআইকে একটি অপ্রকাশিত ডেমো বা চুক্তির স্টেম দেওয়া।
- প্রসঙ্গ ছাড়াই একটি প্রম্পট লেখা: জেনার, টোন, টেম্পো বা আবেগ না দিয়ে "ভালো কিছু করুন" বলা।
টিপ: প্রতিটি AI সেশনে আউটপুট শেষে, মানসিকভাবে যোগ করুন: "এটি একটি খসড়া, সিদ্ধান্ত আমার।" এই একক বাক্যটি টুলটিকে সহকারীর অবস্থানে রাখে, মাস্টার নয়।
সংক্ষেপে
কৃত্রিম বুদ্ধিমত্তা সঙ্গীত উৎপাদনে একটি শক্তিশালী ত্বরণকারী: এটি কয়েক ঘণ্টার ধারণা, খসড়া, প্রযুক্তিগত বিশ্লেষণ এবং মৌখিক বিষয়বস্তুকে মিনিটে কমিয়ে দেয়। কিন্তু সঙ্গীত প্রযুক্তিগত এবং পরিচয় উভয় ক্ষেত্রেই সংবেদনশীল। AI কে একজন সহকারী হিসাবে অবস্থান করুন যা সৃজনশীল স্তরে বিকল্পগুলি তৈরি করে এবং প্রযুক্তিগত স্তরে পরিমাপ এবং স্কেচ দেয়; সর্বদা নান্দনিক পছন্দ, স্বাক্ষর শব্দ এবং চূড়ান্ত অনুমোদন আপনার রাখুন। প্রতিটি প্রিন্টআউটটি শুনে, রেফারেন্সের সাথে তুলনা করে এবং কপিরাইট এবং নীতিশাস্ত্রের জন্য ফিল্টার করে যাচাই করুন। যানবাহন খোলার জন্য সংবেদনশীল এবং চুক্তিবদ্ধ উপাদান সরবরাহ করবেন না। ঝুঁকি বাড়ার সাথে সাথে AI এর ভূমিকা সঙ্কুচিত হয় এবং মানুষের অনুমোদন বৃদ্ধি পায়।
আবেদন টাস্ক
আপনার নিজের শেষ প্রকল্প থেকে একটি টাস্ক চয়ন করুন (যেমন একটি কোরাস সুর বা একটি মিশ্রণ সমস্যা)। প্রথমে, উপরের "দুর্বল প্রম্পট / শক্তিশালী প্রম্পট" যুক্তি সহ দুটি প্রম্পট লিখুন এবং তাদের তুলনা করুন। তারপরে তিনটি যাচাইকরণের ধাপের মাধ্যমে শক্তিশালী প্রম্পটের আউটপুট রাখুন: (1) কান দিয়ে শুনুন, (2) একটি রেফারেন্স গানের সাথে তুলনা করুন, (3) কপিরাইট/নৈতিকতা পরীক্ষা। ফলাফলটি তিনটি বাক্যে লিখুন: এআই কী লাভ করেছে, আপনি কী গ্রহণ করেননি, আপনি কী চূড়ান্ত সিদ্ধান্ত নিয়েছেন।
চেকলিস্ট
- [ ] আমি AI কে একজন সহকারী হিসেবে নিযুক্ত করেছি; নান্দনিক এবং চূড়ান্ত সিদ্ধান্ত আমি নিজেই রেখেছিলাম।
- [ ] আমি কান এবং প্ল্যাটফর্মের প্রসঙ্গ দ্বারা প্রতিটি প্রযুক্তিগত মান যাচাই করেছি।
- [] আমি কপিরাইট এবং নীতিশাস্ত্রের পরিপ্রেক্ষিতে উত্পাদিত সুর/লিরিক/শব্দ ফিল্টার করেছি।
- [ ] আমি একটি অপ্রকাশিত ডেমো, একটি চুক্তিভিত্তিক অনুরোধ, বা অনুমতি ছাড়া শব্দ চালু করা একটি যান দেয়নি৷
- [ ] আমি আমার প্রম্পটে জেনার, টোন, টেম্পো, আবেগ এবং ভূমিকার প্রসঙ্গ যোগ করেছি।
- [ ] আমি মিশনের ঝুঁকির স্তরের উপর ভিত্তি করে AI এর ভূমিকা এবং মানুষের অনুমোদন সামঞ্জস্য করেছি।