Glosář hudby a AI

Jak rychle se track pohybuje, počítáno v úderech za minutu. Balada sedí kolem 70, house přistává okolo 124, drum and bass u 174. Tempo je vůbec nejužitečnější věc, kterou v promptu určit, protože mění pocit víc než nástrojové obsazení.

Domácí tón, do kterého se hudba uzavírá, plus zda používá durovou nebo mollovou stupnici. Durová působí jasněji či usazeně, mollová temněji či neuzavřeně. Dva tracky ve stejné tónině můžete vrstvit nebo míchat bez narážení.

DJ notace, která přejmenovává každou tóninu na číslo plus A nebo B — 8A, 8B, 9A. Sousední klíče na kruhu spolu znějí dobře, takže se harmonické mixování změní z teorie na aritmetiku.

Pořadí a délka sekcí skladby — intro, sloka, refrén, bridge, outro — a které nástroje v nich hrají. Aranžmá je to, co z tracku dělá skladbu, ne smyčku, která se jen točí dál.

Část, kterou si lidé zapamatují a dokážou si ji zazpívat. Většinou melodie refrénu nebo krátká opakovaná fráze. Track může být dobře vyprodukovaný a přesto selhat, protože nemá hook.

Vokální melodie a text napsané přes existující instrumentál. V popové produkci topline a track často píšou různí lidé, což je důvod, proč je "send me a topline" normální požadavek.

Přichytávání not k přesné mřížce. Opraví rozvolněné timingy, a když se to přežene, vezme to lidský tah a protipohyb, který dělá groove živým.

Kde sedí zvuk mezi levým a pravým reproduktorem. Lead vokály, kopák a basa jsou téměř vždy uprostřed; kytary, klávesy a backing vokály se vytlačují do stran. Přesně tenhle zvyk využívá odstranění vokálu ze středu.

Generování audia z textového popisu. Napíšete „pomalý lo-fi beat se zaprášeným pianem a šumem vinylu“ a zpátky dostanete stopu. Popis tu dělá práci producentského briefu.

Psaný pokyn daný hudebnímu modelu. Užitečné prompty pojmenují žánr, náladu, tempo, nástrojové obsazení a zda mají být vokály. Vágní prompty vrátí generické výsledky, protože není k čemu směřovat.

Způsob generování, který začne v šumu a opakovaně ho odebírá, až zůstane strukturovaný výstup. Většina současných audio modelů pracuje na spektrogramu nebo naučené latentní reprezentaci, ne na surových vzorcích, protože syrové audio má příliš mnoho hodnot za sekundu.

Zkomprimovaná vnitřní reprezentace, kde si podobně znějící hudba sedí blízko sebe. Generovat v latentním prostoru místo v surovém audiu je to, co umožní udělat celou stopu za sekundy místo hodin.

Obrázek zvuku: čas na jedné ose, frekvence na druhé, jas značí hlasitost. Některé hudební modely vygenerují spektrogram a pak ho převádějí do audia, což dovolí použít obrazové techniky na zvuk.

Převod kontinuálního audia na posloupnost diskrétních symbolů, které model umí předpovídat, podobně jako jazykový model předpovídá slova. Kvalita tokenizéru stropuje kvalitu výstupu — detail ztracený tady později nevrátíte.

Cokoli, čím model při generování řídíte — textový prompt, referenční ukázka, tempo, sada textů. Více kondicionování znamená méně překvapení a víc kontroly.

Samotné spuštění natrénovaného modelu k výrobě výstupu, na rozdíl od tréninku. Když generátor píše „generuji…“, dělá inferenci a čekání je výpočetní čas.

Rozdělení hotového mixu zpět na části. Neuronové separátory jako Demucs se učí, jak zní jednotlivé nástroje; zrušení středu místo toho využívá stereo geometrii, je mnohem rychlejší a výrazně méně přesné.

Reprodukce konkrétního hlasu z jeho nahrávek. Odlišné od generování hlasu ve stylu. Klonování jmenovaného umělce otevírá otázky práv na podobu a publicitu v rostoucím počtu jurisdikcí, proto ho MusicGenerate nenabízí.

Kolikrát za sekundu se audio měří, v Hz. 44 100 Hz je standard CD a 48 000 Hz je standard pro video. Vyšší frekvence zachytí vyšší kmitočty; samy o sobě stopu nezlepší.

Jak přesně je uložen každý vzorek. 16 bitů je kvalita pro release, 24 bitů dává při práci víc headroomu. Nízká bitová hloubka se projeví jako šum v tichých pasážích.

WAV a FLAC zachovají každý vzorek; MP3 a AAC zahodí informace považované za nepostřehnutelné, aby zmenšily soubory. Ztrátové kódování je jednosměrné — znovukódování MP3 škody násobí, ne opravuje.

Míra hlasitosti, která sleduje, jak hlasitě něco skutečně zní, ne jeho špičku. Streamovací služby normalizují zhruba na −14 LUFS, takže mastering nad tím se prostě stáhne zase dolů.

Rozestup mezi nejhlasitějším bodem mixu a stropem, kde začne clipping. Nechat pár dB headroomu dá masteringu prostor, kde pracovat.

Co se stane, když signál překročí maximum a jeho špičky se zploští. Zní to jako ostré zkreslení a jakmile je to zapsané do souboru, už to nevrátíte.

Rozdělení sterea na to, co mají kanály společné (mid), a to, čím se liší (side). Izolování midu dá zhruba centrovaný obsah; izolování side ho odstraní. Tohle je princip karaoke-stylu odstranění vokálů.

Když jsou dvě kopie signálu vůči sobě převrácené a součtem se ztiší do ticha. Problém, když se to stane omylem mezi mikrofony, a nástroj, když se to udělá záměrně k odstranění centrovaného obsahu.

Metadata uložená uvnitř MP3 — název, interpret, album, obal. Přehrávače čtou spíš je než název souboru, proto se i správně pojmenovaný soubor může zobrazit jako „Unknown Artist“.

Vizuální tvar amplitudy v čase. Užitečný pro rychlé hledání ticha, tranzientů a hranic sekcí; neříká nic o výšce tónu ani tónině.

Zaplatíte jednou, nebo nic, a nedlužíte další platby za použití. Neznamená to bez autorských práv a neznamená to bez omezení — podmínky pořád určuje licence.

Skutečně neopatřené vlastnictvím, což u hudby téměř vždy znamená volné dílo kvůli stáří. Moderní hudba je skoro nikdy není bez autorských práv a tenhle výraz se obvykle používá tam, kde se ve skutečnosti míní royalty-free.

Povolení vydat vlastní nahrávku cizí písně. Potřebuje ji každá cover verze, ať ji hraje kapela, nebo je vygenerovaná. Vztahuje se ke kompozici, ne k původní nahrávce.

Povolení synchronizovat hudbu s obrazem — video, reklama, hra. Oddělené od práva šířit samotné audio a přesně ta licence, kterou většina tvůrců reálně potřebuje.

Každá píseň nese dvě práva: kompozici (melodie a text, vlastník autor) a zvukovou nahrávku (konkrétní provedení, vlastník ten, kdo ji udělal). Cover vytváří novou nahrávku, ale pořád používá původní kompozici.

Automatický párovací systém YouTube. Může označit track, který vám legitimně patří, pokud ho zaregistroval někdo jiný — včetně případů, kdy identické vygenerované audio někdo nárokoval dřív.

Organizace kolektivní správy práv — ASCAP, BMI, PRS — která vybírá autorské honoráře za veřejné provozování pro skladatele. Důležité ve chvíli, kdy se hudba veřejně přehrává nebo vysílá, ne jen streamuje.

Ujednání, kdy hotové dílo vlastní ten, kdo si ho objednal, ne ten, kdo ho vytvořil. Běžné v reklamě a hrách a stojí za to mít ho písemně dřív, než cokoli doručíte.