مقدمه‌ای بر هوش مصنوعی در تولید موسیقی: نقش‌ها، مرزها، اعتبارسنجی و اخلاق

سود:

• توانایی تشخیص اینکه هوش مصنوعی در چه مکان هایی باعث صرفه جویی در زمان واقعی در تولید موسیقی می شود (ایده، پیش نویس، تجزیه و تحلیل فنی، محتوای کلامی) و انتخاب هایی مانند تصمیم گیری های زیبایی شناختی و صدای امضا بسته به سطح ریسک کار، به هنرمند واگذار می شود.
• امکان اعمال یک رشته تأیید که هر خروجی هوش مصنوعی را با اندازه گیری گوش، مرجع و فنی آزمایش می کند
• درک اینکه کدام ورودی ها (دموهای منتشر نشده، صدای هنرمند، آثار قراردادی) نمی توانند به هوش مصنوعی از نظر کپی رایت، مجوز و محرمانه بودن داده شوند.

ده ها تصمیم خلاقانه هر روز در یک استودیو یا اتاق خواب (محیط تولید کوچکی که در خانه راه اندازی شده است) بی سر و صدا گرفته می شود. این آهنگ باید با چه لحنی باشه؟ کر باید کجا منفجر شود؟ بیس چقدر باید برجسته باشد؟ آیا این آواز خیلی تنگ است؟ آیا این جمله کلیشه ای است؟ آیا این حلقه درام دارای حق چاپ است؟ برخی از این تصمیمات تکراری، فنی و زمان بر هستند. برخی از آنها مستقیماً روح آهنگ، هویت هنرمند و وضعیت حقوقی اثر را تعیین می کنند. هوش مصنوعی (AI یا به اختصار AI - سیستم‌های رایانه‌ای که می‌توانند متنی مانند انسان تولید کنند، صداها و موسیقی ایجاد کنند، الگوها را تشخیص دهند و پیشنهادهایی ارائه دهند) دقیقاً در وسط این تصویر قرار می‌گیرد: وقتی به درستی استفاده شود، می‌تواند ایده‌ها، پیش‌نویس‌ها و تحلیل‌های فنی را در عرض چند دقیقه آماده کند تا چند ساعت. هنگامی که نادرست استفاده شود، می تواند منجر به انتشاری با خروجی نامشخص، کلیشه ای یا از نظر اخلاقی مشکل ساز شود.

واحد اول این ماژول یک معرفی نرم افزار نیست. هدف آن این است که مشخص کند هوش مصنوعی را کجا در تولید خود قرار دهید و اصلاً در کجا قرار ندهید. از آنجایی که موسیقی هم یک زمینه «فنی- انتقادی» و هم «هویت بحرانی» است. یک تصمیم زیبایی شناختی که می گیرید تعیین می کند که چه کسی هستید. بیایید اصل اساسی را از ابتدا بیان کنیم: هوش مصنوعی یک دستیار است، نه یک هنرمند. انتخاب زیبایی شناختی، صدای امضا و تایید نهایی با تهیه کننده و هنرمند ذیصلاح است. یک خروجی تایید نشده یا دارای حق چاپ مانند یک اصلی بدون امضا است.

لایه های تولید موسیقی و جایگاه هوش مصنوعی

مفید است که پیدایش یک آهنگ را به سه لایه تقسیم کنیم. لایه خلاق ایده است: ملودی، آکورد، غزل، احساس، هویت. لایه تنظیم-تولید تبدیل ایده به اثر است: ساز، ریتم، طراحی صدا، تنظیم. لایه فنی-انتشاری فرآیندی است که در آن اثر شنیدنی و قابل توزیع می شود: میکس (تعادل صداها)، مسترینگ (نهایی صیقل و تنظیم بلندی صدا)، توزیع. هوش مصنوعی می تواند هر سه لایه را لمس کند، اما با قدرت متفاوت در هر یک. در لایه خلاق، هوش مصنوعی گزینه هایی را ایجاد می کند، تصمیم با هنرمند است. در لایه فنی، هوش مصنوعی اندازه گیری ها و پیش نویس ها را ارائه می دهد، تأیید توسط مهندس است.

بیایید از ابتدا چند اصطلاح اساسی را تعریف کنیم. DAW (Digital Audio Workstation) نرم افزار اصلی (مانند Ableton Live، FL Studio، Logic Pro) است که با آن موسیقی را ضبط، ویرایش و میکس می کنید. MIDI داده ای است که حاوی "دستورالعمل" زمان و میزان قوی برای پخش یک نت است، نه خود صدا. استم شکل یک آهنگ در گروه های صوتی جداگانه (مانند فقط آواز، فقط درام) است. BPM (ضربه در دقیقه) سرعت است. تعداد ضربان در دقیقه است. این مفاهیم را یکی یکی در واحدهای زیر توضیح خواهیم داد. در حال حاضر، این را بدانید: هوش مصنوعی به شما خطوط کلی و پیشنهاداتی برای همه این مفاهیم می دهد، اما تصمیم نمی گیرد که آهنگ "باید" چیست.

جدول زیر نقش و سطح خطر هوش مصنوعی را بر اساس ماموریت خلاصه می کند:

تلاش

نقش هوش مصنوعی

سطح ریسک

کی تایید میکنه

ایجاد ایده های آکورد / ملودی

ایده پرداز

پایین

آهنگساز

نوشتن پیش نویس غزل

مولد طرح

متوسط

ترانه سرا/هنرمند

توصیه پارامتر طراحی صدا

مشاور فنی

متوسط

طراح صدا

تنظیمات مخلوط را توصیه کنید

تشخیص + تنظیمات اولیه

متوسط-بالا

مهندس مخلوط

مسترینگ خودکار

پردازنده اتوماتیک

بالا

مهندس مسلط

استفاده از صدای نمونه برداری شده/تولید شده

مواد خام

بالا

حق چاپ / مسئول حقوقی

شبیه سازی صدای یک هنرمند

فقط در صورت اجازه

بسیار بالا

هنرمند + قانون

این یک خط را در نظر داشته باشید: با افزایش ریسک، نقش هوش مصنوعی کاهش می‌یابد و تأیید انسان و کنترل حق امتیاز افزایش می‌یابد.

چرا "تأیید" قلب این تجارت است

به نظر می رسد هوش مصنوعی در پاسخ خود مطمئن است، اما ممکن است مطمئن نباشد. در زبان فنی، این توهم نامیده می شود: زمانی است که مدل به طور روان اطلاعاتی را ارائه می دهد که در واقع وجود ندارد یا نادرست است، درست مثل اینکه درست است. در تولید موسیقی، این به نظر می رسد: مدل ممکن است به شما بگوید "-8 LUFS سطح استاد ایده آل برای این آهنگ است"، در حالی که پلتفرمی که شما هدف قرار داده اید LUFS-14 می خواهد، و این مقدار به آهنگ شما آسیب می رساند. یا ممکن است بگویند، "این پیشرفت آکورد کاملاً اصلی است"، حتی اگر تقریباً مشابه گروه کر یک آهنگ شناخته شده است. ممکن است در مورد یک غزل بگوید که "این خط اصلی است" وقتی که به طرز خطرناکی شبیه یک آهنگ موجود باشد. از آنجایی که او همه آنها را با اطمینان یکسان می گوید، تنها چیزی که درست را از باطل تشخیص می دهد گوش، دانش و عادت تأیید شماست.

رشته تایید در موسیقی شامل سه مرحله است:

1. گوش دادن با گوش: قبل و بعد از اعمال هر پیشنهاد فنی (EQ، فشرده سازی، سطح، سرعت)، با مانیتور خود و در صورت امکان با هدفون یا بلندگوهای تلفن گوش دهید. ممکن است این عدد صحیح به نظر برسد، اما ممکن است برای گوش اشتباه به نظر برسد.
2. مقایسه با مرجع: با یک "آهنگ مرجع" تجاری منتشر شده مقایسه کنید که در ژانر شما محترم است. آیا پیشنهاد هوش مصنوعی شما را از مرجع نزدیکتر می کند یا دورتر می کند؟
3. فیلتر کپی رایت و اخلاق: بررسی کنید که آیا ملودی، کلمه یا صدای تولید شده حقوق دیگران را نقض می کند، کلیشه ای است یا امنیت برند را نقض می کند.

توجه: اعمال ارزش فنی داده شده توسط هوش مصنوعی بدون گوش دادن به آن یا انتشار ملودی/غزلی که تولید می کند بدون بررسی، مانند ارسال یک استاد بدون امضا است. فقط به این دلیل که خروجی صاف یا سریع بیرون می آید، دقیق یا ایمن نیست.

حق چاپ و حریم خصوصی: چه ورودی هایی که نمی دهید

موسیقی یک زمینه تجاری و خلاق است. برخی از ورودی ها هرگز نباید به یک ابزار هوش مصنوعی عمومی داده شوند. اینها شامل دموهای منتشر نشده (آهنگ های شما که هنوز منتشر نشده اند)، سرچشمه های کار قراردادی (موادی که برای هنرمند/برچسب دیگری تولید کرده اید و مشمول تعهدات محرمانه هستند)، ضبط صوتی خام غیرمجاز یک هنرمند، و جزئیات قرارداد شخصی/مالی است. دلیل آن این است: ابزارهای عمومی می توانند داده ها را در سرورهای خود ذخیره کنند یا از آن برای آموزش مدل استفاده کنند. این خطر نشت، عدم قطعیت زنجیره حق چاپ و نقض قرارداد را ایجاد می کند. قانون ساده است: مطالب حساس را به اشتراک نگذارید. اگر نیاز به اشتراک گذاری دارید، ابزار قراردادی و امنی را انتخاب کنید که از داده های شما در آموزش استفاده نمی کند. برای تولید ایده یا مشاوره عمومی، یک توضیح عمومی و ناشناس کافی است: به جای "ضبط کامل نسخه نمایشی مخفی من"، آن را به عنوان "80 BPM، یک کلید جزئی، آهنگ R&B غم انگیز" توصیف کنید.

سه کیف کوچک

مورد 1 - استفاده ایمن. یک تهیه کننده برای یک آگهی تبلیغاتی به 6 پیش نویس مختلف از ایده های ملودیک نیاز داشت و 2 روز طول کشید تا هر کدام را به صورت دستی امتحان کند. او ژانر YZ، تمپو (110 BPM)، احساسات ("امیدوارانه، تمیز") و محدودیت های زمانی را ارائه داد و درخواست 6 پیش نویس آکورد-ملودی کرد. هوش مصنوعی در 15 دقیقه اسکلت تولید کرد. تهیه کننده هر کدام را با پیانوی خود نواخت، دو تا را حذف کرد، یکی را با موتیف خود بازنویسی کرد و آن را در DAW خود تنظیم کرد. مدت زمان: به جای 2 روز، نیم روز. هوش مصنوعی ایده داد، کار به تهیه کننده رسید.

مورد 2 - تله ارزش فنی تایید نشده. یک بیت میکر از هوش مصنوعی پرسید: "چقدر باید استادم را بلند کنم؟" YZ گفت: "حدود -6 LUFS استاندارد در صنعت است." Beatmaker این را اجرا کرد. آهنگ بر روی پلتفرم استریم بازگردانده شد، باس پمپاژ کرد و دینامیک خود را از دست داد. هدف واقعی حدود -14 LUFS بود. اشتباه: اعمال ارزش فنی بدون اعتبارسنجی آن با زمینه پلت فرم.

مورد 3 - حق نسخه برداری / نقض اخلاق. یک تهیه کننده بدون اجازه او صدای یک هنرمند سرشناس را شبیه سازی کرد و در یک تک آهنگ استفاده کرد و آن را منتشر کرد. این آهنگ در فضای مجازی منتشر شد، اما تیم هنرمند با اشاره به نقض حقوق شخصیت و افراد مشهور وارد عمل شد. مسیر از روی سکوها حذف شد و سازنده در معرض خطر قانونی قرار گرفت. راه درست این بود که یا اصلاً از صدا استفاده نکنیم یا با مجوز صریح و مستند کار کنیم.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

آکورد یک آهنگ زیبا را به من بدهید.

این درخواست ناقص است: ژانر، لحن، سرعت، احساس و هدف مشخص نیست. هوش مصنوعی تنها خروجی متوسط، کلیشه ای و بدون زمینه تولید می کند. بعید است قابل استفاده باشد.

اعلان قدرتمند:

نقش شما: دستیار یک تهیه کننده موسیقی. ژانر: ایندی پاپ مالیخولیایی. لحن: جزئی. سرعت: 92 BPM احساس: اشتیاق، اندوه امیدبخش. لحن مرجع: ساده، گیتار-پیانو محور. وظیفه: پیشرفت آکورد 4 نواری را به طور جداگانه برای آیه و کر پیشنهاد دهید. هر پیشروی را با یک عدد رومی و نام وتر بدهید، یک توجیه مختصر بنویسید. از الگوهای بسیار رایجی که می توانند کلیشه ای باشند اجتناب کنید. همچنین یک جایگزین ارائه دهد. توجه: این یک پیش نویس اولیه است. ملودی و انتخاب نهایی با من است.

این دستور ژانر، لحن، تمپو، احساسات، قالب و نقش را روشن می کند. خروجی را به صورت خرد قرار می دهد. نتیجه یک شروع قابل استفاده است.

اشتباهات رایج

• قرار دادن هوش مصنوعی به جای هنرمند: تفویض تصمیمات زیبایی شناختی و هویتی به هوش مصنوعی در نهایت منجر به تولید بی روحی می شود که شبیه دیگران است.
• اعمال ارزش فنی بدون گوش دادن: تأیید نکردن مقادیری مانند LUFS، EQ، سرعت توسط گوش و زمینه پلت فرم.
• نادیده گرفتن حق چاپ: بررسی نکردن اینکه آیا ملودی/کلمه/صدای تولید شده حق دیگری را نقض می کند یا خیر.
• آپلود مطالب حساس در یک ابزار عمومی: دادن نسخه نمایشی منتشر نشده یا پایه قرارداد به یک هوش مصنوعی عمومی.
• نوشتن یک اعلان بدون زمینه: گفتن "یک کار خوب انجام دهید" بدون اینکه ژانر، لحن، سرعت یا احساسات را ارائه دهید.

نکته: در پایان خروجی هر جلسه هوش مصنوعی، ذهنی اضافه کنید: "این یک پیش نویس است، تصمیم با من است." همین جمله ابزار را در موقعیت دستیار قرار می دهد نه استاد.

به طور خلاصه

هوش مصنوعی یک شتاب دهنده قدرتمند در تولید موسیقی است: ساعت ها ایده، پیش نویس، تحلیل تکنیکی و محتوای کلامی را به چند دقیقه کاهش می دهد. اما موسیقی هم از نظر فنی و هم از نظر هویتی حساس است. هوش مصنوعی را به عنوان دستیار قرار دهید که گزینه‌هایی را در لایه خلاق ایجاد می‌کند و اندازه‌گیری‌ها و طرح‌هایی را در لایه فنی ارائه می‌دهد. همیشه انتخاب زیبایی شناختی، صدای امضا و تایید نهایی را از آن خود نگه دارید. هر پرینت را با گوش دادن به آن، مقایسه آن با مرجع، و فیلتر کردن آن از نظر کپی رایت و اخلاق، تأیید کنید. مواد حساس و منقبض شده را به وسایل نقلیه باز تحویل ندهید. با افزایش خطر، نقش هوش مصنوعی کاهش می‌یابد و تایید انسان افزایش می‌یابد.

وظیفه کاربردی

یک کار را از آخرین پروژه خود انتخاب کنید (مثلاً یک ملودی کر یا یک مشکل میکس). ابتدا، دو فرمان با منطق "اعلان ضعیف / اعلان قوی" در بالا بنویسید و آنها را با هم مقایسه کنید. سپس خروجی دستور قوی را در سه مرحله تأیید قرار دهید: (1) گوش دادن به گوش، (2) مقایسه با آهنگ مرجع، (3) آزمون حق چاپ/اخلاق. نتیجه را در سه جمله بنویسید: هوش مصنوعی چه چیزی به دست آورد، چه چیزی را نپذیرفتید، چه تصمیمی نهایی گرفتید.

چک لیست

• [ ] من هوش مصنوعی را به عنوان دستیار قرار دادم. تصمیم زیبایی شناختی و نهایی را خودم حفظ کردم.
• [ ] من هر مقدار فنی را بر اساس زمینه گوش و پلت فرم تأیید کردم.
• [ ] من ملودی/غزل/صدای تولید شده را از نظر کپی رایت و اخلاق فیلتر کردم.
• [ ] من یک نسخه نمایشی منتشر نشده، یک درخواست قراردادی، یا وسیله نقلیه ای با صدای روشن بدون اجازه ارائه نکردم.
• [ ] من ژانر، لحن، سرعت، احساسات و زمینه نقش را به دستورات خود اضافه کردم.
• [ ] من نقش هوش مصنوعی و تایید انسانی را بر اساس سطح خطر ماموریت تنظیم کردم.