Musik & AI-ordliste

Hvor hurtigt et track bevæger sig, talt i slag pr. minut. En ballade ligger nær 70, house lander omkring 124, drum and bass nær 174. Tempo er det mest nyttige at specificere i en prompt, fordi det ændrer følelsen mere end instrumenteringen gør.

Grundtonen et stykke musik falder til ro på, plus om det bruger en dur- eller mol-skala. Dur virker lyst eller afklaret, mol mørkere eller uafklaret. To tracks i samme toneart kan lægges oven i hinanden eller mixes sammen uden at clashe.

En DJ-betegnelse der omdøber hver toneart som et tal plus A eller B — 8A, 8B, 9A. Naboer på hjulet lyder godt sammen, hvilket gør harmonisk mixing til regning i stedet for teori.

Rækkefølgen og længden af en sangs sektioner — intro, vers, omkvæd, bro, outro — og hvilke instrumenter der spiller i hver. Arrangement er det, der får et track til at føles som en sang i stedet for en loop der bare kører videre.

Den del folk husker og kan synge tilbage. Som regel omkvædets melodi eller en kort gentaget frase. Et track kan være velproduceret og stadig fejle, hvis det ikke har et hook.

Vokalmelodien og teksten skrevet over en eksisterende instrumental. I popproduktion bliver topline og track ofte skrevet af forskellige personer, hvilket er grunden til at "send mig en topline" er en normal forespørgsel.

At snappe noder til en præcis position på grid’et. Retter sjusket timing, og overgjort fjerner det den menneskelige push og pull, der får et groove til at føles levende.

Hvor en lyd sidder mellem venstre og højre højttaler. Lead vocals, kick og bas er næsten altid centreret; guitarer, keys og backing vocals skubbes udad. Det er præcis denne konvention, centerkanal-fjernelse af vocals udnytter.

At generere audio ud fra en skriftlig beskrivelse. Du skriver "slow lo-fi beat with dusty piano and vinyl noise" og får et track tilbage. Beskrivelsen gør det arbejde, en producer-brief ville.

Den skriftlige instruktion givet til en musikmodel. Brugbare prompts nævner genre, mood, tempo, instrumentering og om der ønskes vocals. Vage prompts giver generiske resultater, fordi der ikke er noget at styre hen imod.

En genereringsmetode der starter fra støj og gentagne gange fjerner den, indtil der står struktureret output tilbage. De fleste nuværende audiomodeller arbejder på et spektrogram eller en lært latent repræsentation frem for på rå samples, fordi rå audio har alt for mange værdier pr. sekund.

En komprimeret intern repræsentation hvor musik der lyder ens, ligger tæt på hinanden. At generere i latent space i stedet for rå audio er det, der gør en fuld track mulig på sekunder i stedet for timer.

Et billede af lyd: tid langs den ene akse, frekvens langs den anden, lysstyrke for lydstyrke. Flere musikmodeller genererer et spektrogram og konverterer det til audio bagefter, hvilket lader billedteknikker anvendes på lyd.

At gøre kontinuerlig audio til en sekvens af diskrete symboler, som en model kan forudsige — ligesom en sprogmodel forudsiger ord. Tokeniserens kvalitet sætter loftet for outputtets kvalitet — detaljer tabt dér kan ikke genskabes senere.

Alt det, der gives til modellen for at styre genereringen — en tekstprompt, et referenceklip, et tempo, et sæt lyrics. Mere conditioning betyder færre overraskelser og mere kontrol.

Faktisk at køre en trænet model for at producere output, i modsætning til at træne den. Når en generator siger "generating…", laver den inferens, og ventetiden er computertid.

At splitte et færdigt mix tilbage i dele. Neurale separatorer som Demucs lærer, hvordan hvert instrument lyder; centerkanal-annullering udnytter i stedet stereo-geometri, hvilket er meget hurtigere og langt mindre præcist.

At genskabe en specifik persons stemme ud fra optagelser af dem. Adskilt fra at generere en stemme i en stil. Kloning af en navngiven kunstner rejser ligheds- og publicity-rettighedsproblemer i et stigende antal jurisdiktioner, og derfor tilbyder MusicGenerate det ikke.

Hvor mange gange i sekundet audio måles, i Hz. 44.100 Hz er CD-standard og 48.000 Hz er standard til video. Højere rater fanger højere frekvenser; de får ikke i sig selv et track til at lyde bedre.

Hvor præcist hver sample gemmes. 16-bit er udgivelseskvalitet, 24-bit giver mere headroom under arbejdet. Lav bitdybde høres som sus i stille passager.

WAV og FLAC bevarer hver sample; MP3 og AAC kasserer information vurderet uhørbar for at gøre filer mindre. Lossy-kodning er envejs — at re-encode en MP3 forværrer skaden i stedet for at genskabe det tabte.

En lydstyrkemåling der følger, hvor højt noget faktisk opleves, snarere end dets peak-niveau. Streaming-tjenester normaliserer til cirka −14 LUFS, så mastering højere end det bliver bare skruet ned igen.

Gabet mellem det højeste punkt i et mix og loftet, hvor clipping starter. At efterlade et par dB headroom giver mastering et sted at arbejde.

Det der sker, når et signal overstiger maksimum-niveau, og dets peaks bliver fladet ud. Høres som hård forvrængning, og når det først er printet i en fil, kan det ikke laves om.

At dele stereo op i det, kanalerne deler (mid), og det der gør dem forskellige (side). At isolere mid giver omtrent det centrerede indhold; at isolere side fjerner det. Det er mekanikken bag karaoke-agtig fjernelse af vokal.

Når to kopier af et signal er inverteret i forhold til hinanden og summerer til stilhed. Et problem når det sker ved et uheld mellem mikrofoner, og et værktøj når det bruges bevidst til at fjerne centreret indhold.

Metadata gemt inde i en MP3 — titel, kunstner, album, cover. Afspillere læser disse frem for filnavnet, hvilket er grunden til at en korrekt navngivet fil stadig kan dukke op som "Unknown Artist".

Den visuelle form af amplitude over tid. Nyttig til hurtigt at finde stilhed, transienter og sektionsgrænser; den siger intet om tonehøjde eller toneart.

Du betaler én gang, eller ingenting, og skylder ingen yderligere betaling pr. brug. Det betyder ikke ophavsretsfrit, og det betyder ikke ubegrænset — licensen sætter stadig vilkårene.

Reelt uden ejer, hvilket for musik næsten altid betyder offentligt domæne pga. alder. Meget lidt moderne musik er ophavsretsfri, og udtrykket bruges som regel, når man egentlig mener royaltyfri.

Tilladelse til at udgive din egen indspilning af en andens sang. Det, som enhver coverversion skal have, uanset om den er fremført af et band eller genereret. Den dækker kompositionen, ikke den originale indspilning.

Tilladelse til at synkronisere musik med billeder — en video, en annonce, et spil. Adskilt fra retten til at distribuere lyden alene, og den licens de fleste skabere faktisk har brug for.

Hver sang bærer to rettigheder: kompositionen (melodi og tekst, ejet af sangskriveren) og lydindspilningen (den konkrete performance, ejet af den der lavede den). Et cover skaber en ny indspilning men bruger stadig kompositionen.

YouTubes automatiske matching-system. Det kan flagge et track, du legitimt ejer, hvis det track blev registreret af en anden — inklusive tilfælde hvor identisk genereret lyd blev gjort krav på først.

En rettighedsorganisation — ASCAP, BMI, PRS — der indsamler fremførelsesroyalties til sangskrivere. Relevant når musik spilles offentligt eller udsendes i stedet for kun at blive streamet.

En aftale hvor den, der bestiller arbejdet, ejer det fuldt ud, ikke den der lavede det. Almindeligt i reklame og spil, og værd at få på skrift før noget leveres.