Musiikki & AI -sanasto

Kuinka nopeasti raita liikkuu, lasketaan iskuina minuutissa. Balladi on noin 70, house noin 124, drum and bass noin 174. Tempo on hyödyllisin asia määritellä promptissa, koska se muuttaa fiilistä enemmän kuin soitinvalinnat.

“Kotinuotti”, johon kappale ratkeaa, sekä duurin tai mollin valinta. Duri tuntuu valoisalta tai asettuneelta, molli tummemmalta tai ratkaisemattomalta. Kaksi samaa sävellajia olevaa raitaa voi kerrostaa tai miksata yhteen ilman että ne riitelevät.

DJ-merkintätapa, joka nimeää sävellajin numerolla plus A tai B — 8A, 8B, 9A. Vierekkäiset sävellajit ympyrässä soivat hyvin yhdessä, mikä tekee harmonisesta miksauksesta laskemista teorian sijaan.

Kappaleen osien järjestys ja pituus — intro, säkeistö, kertosäe, silta, outro — sekä mitä soittimia missäkin soittaa. Sovitus saa raidan tuntumaan kappaleelta, ei samalta loopilta joka vain jatkuu.

Kohta jonka ihmiset muistavat ja osaavat laulaa takaisin. Yleensä kertosäkeen melodia tai lyhyt toistuva fraasi. Raita voi olla hyvin tuotettu ja silti epäonnistua, jos sillä ei ole hookia.

Vokaalimelodia ja -lyriikat olemassa olevan instrumentaalin päälle. Pop-tuotannossa toplinen ja raidan kirjoittavat usein eri ihmiset, joten “lähetä mulle topline” on normaali pyyntö.

Nuottien napsauttaminen täsmälleen ruudukkoon. Korjaa löysän timingin, mutta liikaa käytettynä poistaa sen inhimillisen keinunnan, joka saa grooven elämään.

Missä ääni sijaitsee vasemman ja oikean kaiuttimen välissä. Lead-laulu, kick ja basso ovat lähes aina keskellä; kitaroita, koskettimia ja taustoja työnnetään sivuille. Juuri tätä konventiota keskikanavan laulunpoisto hyödyntää.

Audion luomista kirjallisesta kuvauksesta. Kirjoitat 'hidas lo-fi-biitti pölyisellä pianolla ja vinyylikohinalla' ja saat takaisin raidan. Kuvaus tekee sen, mitä tuottajan briiffi tekisi.

Musiikkimallille annettu kirjallinen ohje. Hyödyllinen kehote nimeää genren, fiiliksen, tempon, instrumentaation ja halutaanko laulut. Epämääräiset kehotteet palauttavat geneeristä jälkeä, koska mikään ei ohjaa suuntaan.

Generointitapa, joka aloittaa kohinasta ja poistaa sitä toistuvasti, kunnes jäljelle jää jäsennelty ulostulo. Useimmat nykyiset audiomallit toimivat spektrogrammilla tai opitulla latentilla esityksellä eivätkä raakaäänellä, koska raaka-äänessä arvoja on sekunnissa aivan liikaa.

Pakattu sisäinen esitys, jossa samankuuloinen musiikki on lähekkäin. Generointi latentissa avaruudessa raaka-audion sijaan tekee täyden raidan luomisesta sekuntien eikä tuntien hommaa.

Äänen kuva: aika toisella akselilla, taajuus toisella, kirkkaus äänekkyydelle. Useat musiikkimallit generoivat spektrogrammin ja muuttavat sen audioksi jälkikäteen, mikä sallii kuvatekniikoiden soveltamisen ääneen.

Jatkuvan audion muuttaminen diskreetiksi symbolijonoksi, jota malli voi ennustaa kuten kielimalli ennustaa sanoja. Tokenisoijan laatu rajoittaa lopputuloksen laatua — siellä kadonnutta yksityiskohtaa ei voi myöhemmin palauttaa.

Mikä tahansa, millä mallia ohjataan generoinnissa — tekstikehote, referenssiklippi, tempo, sanat. Enemmän ehdollistusta tarkoittaa vähemmän yllätyksiä ja enemmän kontrollia.

Koulutetun mallin ajaminen tuottamaan ulostuloa, toisin kuin sen kouluttaminen. Kun generaattori sanoo 'generoidaan…', se tekee inferenssiä, ja odotus on laskenta-aikaa.

Valmiin miksin pilkkominen takaisin osiin. Neuroerottelijat kuten Demucs oppivat, miltä kukin soitin kuulostaa; keskikanavan peruutus taas hyödyntää stereogeometriaa, mikä on paljon nopeampaa ja huomattavasti epätarkempaa.

Tietyn henkilön äänen tuottaminen hänen äänitteidensä pohjalta. Eri asia kuin äänen generointi tietyssä tyylissä. Nimetyn artistin kloonaus nostaa äänenkaltaisuus- ja julkisuusoikeuskysymyksiä yhä useammassa maassa, siksi MusicGenerate ei tarjoa sitä.

Kuinka monta kertaa sekunnissa audio mitataan, Hz:ssä. 44 100 Hz on CD-standardi ja 48 000 Hz videostandardi. Korkeammat taajuudet tallentavat korkeampia taajuuksia; ne eivät itsessään saa raitaa kuulostamaan paremmalta.

Kuinka tarkasti kukin näyte tallennetaan. 16-bittinen on julkaisulaatua, 24-bittinen antaa enemmän headroomia työskentelyyn. Alhainen bittisyvyys kuuluu hiljaisissa kohdissa kohinana.

WAV ja FLAC säilyttävät jokaisen näytteen; MP3 ja AAC pudottavat tietoa, jonka arvioivat kuulomattomaksi, jotta tiedostot pienenevät. Häviöllinen koodaus on yksisuuntainen — MP3:n uudelleenkoodaus pahentaa vahinkoa sen sijaan että korjaisi sen.

Äänenvoimakkuusmittari, joka seuraa sitä, miltä jokin oikeasti kuulostaa äänekkäältä eikä vain sen huipputasoa. Suoratoistopalvelut normalisoivat noin −14 LUFS:iin, joten sitä kovemmaksi masteroitu vain käännetään takaisin alas.

Kuilu miksin kovimman kohdan ja sen katon välillä, jossa klippaus alkaa. Muutama dB headroomia jättää masteroinnille työskentelytilaa.

Mitä tapahtuu, kun signaali ylittää maksimetason ja sen huiput litistyvät. Kuulostaa karhealta säröltä, ja kun se on kerran tallentunut tiedostoon, sitä ei voi perua.

Stereon jakaminen siihen, mitä kanavat jakavat (mid), ja siihen, mikä erottaa ne (side). Midin eristäminen antaa suunnilleen keskitetyn sisällön; siden eristäminen poistaa sen. Tämä on karaoke-tyylisen laulunpoiston mekanismi.

Kun kaksi signaalin kopiota on keskenään käänteisessä vaiheessa ja summautuu hiljaisuuteen. Ongelma kun se tapahtuu vahingossa mikrofonien välillä, ja työkalu kun sitä käytetään tarkoituksella keskitetyn sisällön poistoon.

MP3:n sisään tallennettu metatieto — nimi, esittäjä, albumi, kansikuva. Soittimet lukevat näitä eivätkä tiedostonimeä, siksi oikein nimetty tiedosto voi silti näkyä muodossa "Unknown Artist".

Amplitudin näkyvä muoto ajassa. Hyödyllinen hiljaisuuksien, transienttien ja osien rajojen bongaukseen yhdellä vilkaisulla; ei kerro mitään sävelkorkeudesta tai sävellajista.

Maksat kerran tai et mitään, etkä ole velkaa myöhempiä käyttökertoihin sidottuja maksuja. Ei tarkoita tekijänoikeudetonta, eikä rajoittamatonta — lisenssi määrittää ehdot yhä.

Aidosti omistajaton, mikä musiikissa lähes aina tarkoittaa iän myötä public domainia. Hyvin harva nykymusiikki on tekijänoikeusvapaata, ja termiä käytetään yleensä silloin kun pitäisi sanoa rojaltivapaa.

Lupa julkaista oma äänitteesi jonkun toisen biisistä. Tarvii jokainen cover, oli se bändin soittama tai generoitu. Kattaa sävellyksen, ei alkuperäistä äänitettä.

Lupa synkata musiikki kuvaan — videoon, mainokseen, peliin. Eri asia kuin oikeus jakaa pelkkää ääntä, ja juuri se lisenssi jota tekijät useimmiten tarvitsevat.

Jokaisessa biisissä on kaksi oikeutta: sävellys (melodia ja sanat, kirjoittajan omistama) ja äänite (tietty esitys, sen tekijän omistama). Cover luo uuden äänitteen mutta käyttää yhä samaa sävellystä.

YouTuben automaattinen tunnistusjärjestelmä. Voi liputtaa raidan, jonka omistat ihan laillisesti, jos joku muu on rekisteröinyt sen — myös tapauksissa, joissa identtinen generoitu ääni on ehditty vaatia ensin.

Esitysoikeusjärjestö — ASCAP, BMI, PRS — joka kerää esityskorvauksia lauluntekijöille. Ajankohtainen kun musiikkia soitetaan julkisesti tai lähetetään, ei vain striimata.

Järjestely, jossa työn tilaaja omistaa kaiken, ei tekijä. Yleinen mainonnassa ja peleissä, ja syytä sopia kirjallisesti ennen kuin mitään toimitetaan.