Речник: музика и AI

Колко бързо се движи тракът, броено в удари за минута. Балада е около 70, house е към 124, drum and bass — около 174. Темпото е най-полезното нещо, което да посочите в промпт, защото променя усещането повече от инструментацията.

Домашната нота, към която музиката се разрешава, плюс дали използва мажорна или минорна гама. Мажор звучи светло или устойчиво, минор — по-тъмно или неразрешено. Два трака в една и съща тоналност могат да се наслагват или миксират без да се бият.

DJ нотация, която преименува всяка тоналност като число плюс A или B — 8A, 8B, 9A. Съседните на колелото тоналности звучат добре заедно, което превръща хармоничното смесване в аритметика вместо теория.

Редът и дължината на секциите — интро, куплет, припев, бридж, аутро — и кои инструменти свирят във всяка. Аранжиментът кара трака да се усеща като песен, а не като луп, който просто продължава.

Частта, която хората помнят и могат да изпеят обратно. Обикновено мелодията на припева или кратка повтаряна фраза. Един трак може да е добре продуциран и пак да се провали, ако няма кука.

Вокалната мелодия и текстът, написани върху съществуващ инструментал. В поп продукцията топлайнът и тракът често се пишат от различни хора, затова „пратете ми топлайн“ е нормална молба.

Прищракване на ноти към точна позиция в решетката. Оправя разхлабен тайминг, а в повече убива човешкото „бутане и дърпане“, което кара груувът да диша.

Къде седи звукът между левия и десния говорител. Водещи вокали, кийк и бас почти винаги са центрирани; китари, кийборди и бек вокали се изтласкват навън. Точно тази конвенция експлоатира премахването на вокали от централния канал.

Генериране на аудио от писано описание. Пишете „бавен lo-fi бийт с прашен пиано звук и винилова шумотевица“ и получавате трак обратно. Описанието върши работата на продюсерски бриф.

Писмена инструкция към музикален модел. Полезните промптове посочват жанр, настроение, темпо, инструментация и дали се искат вокали. Неясните промптове връщат генерични резултати, защото няма към какво да се насочи моделът.

Метод за генериране, който започва от шум и многократно го премахва, докато остане подреден резултат. Повечето актуални аудио модели работят върху спектрограма или научено латентно представяне, а не върху сурови семпли, защото суровото аудио има твърде много стойности в секунда.

Компресирано вътрешно представяне, където подобно звучаща музика е близо една до друга. Генерирането в латентно пространство вместо в сурово аудио прави целия трак възможен за секунди, а не за часове.

Картина на звука: време по едната ос, честота по другата, яркост за силност. Няколко музикални модела първо генерират спектрограма и после я обръщат в аудио, което позволява техники от изображенията да се приложат към звук.

Превръщане на непрекъснато аудио в последователност от дискретни символи, които модел предсказва, както езиков модел предсказва думи. Качеството на токенизатора ограничава качеството на изхода — детайл, загубен там, не може да бъде върнат по-късно.

Всичко, дадено на модела, за да насочва генерирането — текстов промпт, референтен клип, темпо, сет от лирики. Повече обусловяване означава по-малко изненади и повече контрол.

Реално пускане на обучен модел, за да произведе изход, за разлика от обучаването му. Когато генераторът пише „генериране…“, той прави инференция, а чакането е време за изчисления.

Разцепване на готов микс обратно на части. Невронни сепаратори като Demucs научават как звучи всеки инструмент; отмяната на централния канал пък експлоатира стерео геометрията, което е много по-бързо и далеч по-неточно.

Възпроизвеждане на гласа на конкретен човек от негови записи. Различно от генериране на глас в даден стил. Клонирането на именит артист повдига въпроси за прилика и права на публичност в все повече юрисдикции — затова MusicGenerate не го предлага.

Колко пъти в секунда се измерва аудиото, в Hz. 44,100 Hz е стандартът за CD, а 48,000 Hz е стандартът за видео. По-високите честоти улавят по-високи честоти; сами по себе си не правят трака да звучи по-добре.

Колко прецизно е съхранен всеки семпъл. 16-bit е качество за релийз, 24-bit дава повече хедрум по време на работа. Ниска битова дълбочина се проявява като съскане в тихи пасажи.

WAV и FLAC пазят всеки семпъл; MP3 и AAC изхвърлят смятана за нечуваема информация, за да свият файловете. Кодирането със загуби е еднопосочно — прекодирането на MP3 натрупва щетите, вместо да ги поправя.

Мярка за гласност, която следи как нещо реално се възприема като силно, а не пиковото му ниво. Стрийминг услугите нормализират около −14 LUFS, така че мастериране по-силно от това просто ще бъде намалено обратно.

Разстоянието между най-силната точка на микса и тавана, където започва клипинг. Оставянето на няколко dB хедрум дава място за работа при мастериране.

Какво става, когато сигналът надмине максималното ниво и върховете му се изравнят. Чува се като груба дисторзия и веднъж записано във файл не може да се върне назад.

Разделяне на стереото на това, което каналите споделят (mid), и това, което ги различава (side). Изолирането на mid дава приблизително центрираното съдържание; изолирането на side го премахва. Това е механизмът зад караоке-стил премахване на вокали.

Когато две копия на сигнал са инвертирани едно спрямо друго и се сумират до тишина. Проблем, когато става случайно между микрофони, и инструмент, когато се прилага умишлено за премахване на центрирано съдържание.

Метаданни, записани вътре в MP3 — заглавие, изпълнител, албум, обложка. Плеърите четат тях, а не името на файла, което е причината правилно именуван файл пак да се показва като „Unknown Artist“.

Визуалната форма на амплитудата във времето. Полезна за намиране на тишина, транзиенти и граници на секции с един поглед; не казва нищо за височина или тоналност.

Плащате веднъж — или нищо — и не дължите бъдещи плащания на използване. Не значи без авторски права и не значи неограничено — лицензът пак задава условията.

Наистина нечие — за музика почти винаги означава обществено достояние поради давност. Много малко съвременна музика е без авторски права, и фразата обикновено се ползва там, където всъщност се има предвид „без отчисления“.

Разрешение да издадете Ваш собствен запис на чужда песен. Нужно за всеки кавър, независимо дали е изпълнен от група или генериран. Обхваща композицията, не оригиналния запис.

Разрешение да синхронизирате музика с визия — видео, реклама, игра. Отделно от правото да разпространявате самостоятелно аудиото, и лицензът, който повечето създатели реално търсят.

Всяка песен носи две права: композицията (мелодия и текст, притежание на автора) и звукозаписа (конкретното изпълнение, притежание на този, който го е направил). Кавърът създава нов запис, но пак ползва композицията.

Автоматизираната система на YouTube за съвпадения. Тя може да маркира трак, който Вие законно притежавате, ако този трак е регистриран от някой друг — включително когато идентичен генериран аудио файл е бил предявен първи.

Организация за изпълнителски права — ASCAP, BMI, PRS — която събира възнаграждения от изпълнения за авторите на песни. От значение, когато музика се пуска публично или се излъчва, а не само се стриймва.

Уговорка, при която възложителят притежава произведението изцяло, а не този, който го е направил. Често срещано в рекламата и игрите, и добре е да се уточни писмено преди каквото и да е предаване.