Glossaire Musique & IA

À quelle vitesse avance un morceau, comptée en battements par minute. Une ballade tourne autour de 70, la house vers 124, la drum and bass près de 174. Le tempo est la chose la plus utile à préciser dans un prompt parce qu’il change le ressenti plus que l’instrumentation ne le fait.

La note de base vers laquelle une musique se résout, plus l’usage d’une gamme majeure ou mineure. Majeur se lit comme clair ou posé, mineur comme plus sombre ou non résolu. Deux morceaux dans la même tonalité peuvent se superposer ou se mixer sans se heurter.

Une notation de DJ qui renomme chaque tonalité en un nombre plus A ou B — 8A, 8B, 9A. Les tonalités voisines sur la roue sonnent bien ensemble, ce qui transforme le mix harmonique en arithmétique plutôt qu’en théorie.

L’ordre et la durée des sections d’une chanson — intro, couplet, refrain, pont, outro — et quels instruments jouent dans chacune. L’arrangement fait qu’un morceau ressemble à une chanson plutôt qu’à une boucle qui n’en finit pas.

La partie que les gens retiennent et peuvent fredonner. En général la mélodie du refrain ou une courte phrase répétée. Un morceau peut être bien produit et quand même rater parce qu’il n’a pas d’accroche.

La mélodie chantée et les paroles écrites sur un instrumental existant. En pop, la topline et le morceau sont souvent écrits par des personnes différentes, d’où le très normal "envoie-moi une topline".

Aligner les notes sur une position de grille exacte. Corrige un timing bancal, et à l’excès ça enlève le va-et-vient humain qui donne vie au groove.

Où un son se place entre les enceintes gauche et droite. La voix lead, la grosse caisse et la basse sont presque toujours centrées ; guitares, claviers et chœurs sont poussés vers l’extérieur. Cette convention est exactement ce que l’extraction de voix par annulation du canal centre exploite.

Générer de l’audio à partir d’une description écrite. Tu écris « slow lo-fi beat avec piano poussiéreux et bruit de vinyle » et tu reçois un morceau. La description fait le job qu’un brief de producteur ferait.

L’instruction écrite donnée à un modèle musical. Les prompts utiles nomment le genre, l’humeur, le tempo, l’instrumentation et si tu veux des voix. Des prompts vagues renvoient des résultats génériques, parce qu’il n’y a rien vers quoi diriger.

Une méthode de génération qui part du bruit et l’enlève répétitivement jusqu’à obtenir une sortie structurée. La plupart des modèles audio actuels opèrent sur un spectrogramme ou une représentation latente apprise plutôt que sur de l’audio brut, parce que l’audio brut a bien trop de valeurs par seconde.

Une représentation interne compressée où des musiques au son proche se retrouvent côte à côte. Générer dans l’espace latent plutôt qu’en audio brut, c’est ce qui rend un morceau complet possible en secondes plutôt qu’en heures.

Une image du son : le temps sur un axe, la fréquence sur l’autre, la brillance pour le niveau. Plusieurs modèles de musique génèrent un spectrogramme puis le convertissent en audio après coup, ce qui permet d’appliquer des techniques d’image au son.

Transformer de l’audio continu en une suite de symboles discrets qu’un modèle peut prédire, comme un modèle de langue prédit des mots. La qualité du tokeniseur limite celle de la sortie — le détail perdu là ne peut pas être récupéré après.

Tout ce qu’on donne au modèle pour guider la génération — un prompt texte, un clip de référence, un tempo, des paroles. Plus de conditionnement, c’est moins de surprise et plus de contrôle.

Faire tourner réellement un modèle entraîné pour produire une sortie, par opposition à l’entraîner. Quand un générateur affiche « génération… », il fait de l’inférence, et l’attente, c’est du temps de calcul.

Re-scinder un mix fini en parties. Les séparateurs neuronaux comme Demucs apprennent le son de chaque instrument ; l’annulation du canal centre exploite la géométrie stéréo, bien plus rapide et bien moins précise.

Reproduire la voix d’une personne à partir de ses enregistrements. À distinguer de générer une voix dans un style. Cloner un artiste nommé soulève des questions de ressemblance et de droit à l’image dans un nombre croissant de juridictions, raison pour laquelle MusicGenerate ne le propose pas.

Combien de fois par seconde l’audio est mesuré, en Hz. 44 100 Hz est la norme CD et 48 000 Hz est la norme vidéo. Des fréquences plus élevées capturent des fréquences plus hautes ; elles ne font pas sonner un morceau mieux à elles seules.

La précision avec laquelle chaque échantillon est stocké. 16 bits est une qualité de sortie, 24 bits donne plus de marge pendant le travail. Une faible profondeur de bits s’entend comme un souffle dans les passages calmes.

WAV et FLAC conservent chaque échantillon ; MP3 et AAC jettent des informations jugées inaudibles pour réduire la taille des fichiers. L’encodage avec perte est à sens unique — réencoder un MP3 aggrave les dégâts plutôt que de les réparer.

Une mesure du volume perçu qui suit comment quelque chose paraît fort plutôt que son niveau crête. Les plateformes de streaming normalisent autour de −14 LUFS, donc si tu masterises plus fort, ce sera juste rabaissé.

L’écart entre le point le plus fort d’un mix et le plafond où l’écrêtage commence. Laisser quelques dB de headroom donne de la place au mastering.

Ce qui arrive quand un signal dépasse le niveau maximum et que ses crêtes sont aplaties. S’entend comme une distorsion agressive, et une fois imprimé dans un fichier, c’est irrécupérable.

On découpe la stéréo en ce que les canaux ont en commun (mid) et ce qui les différencie (side). Isoler le mid donne grosso modo le contenu centré ; isoler le side l’enlève. C’est le principe derrière la suppression de vocals façon karaoké.

Quand deux copies d’un signal sont inversées l’une par rapport à l’autre et se somment en silence. Un problème quand ça arrive par accident entre micros, et un outil quand on l’applique volontairement pour enlever le contenu centré.

Métadonnées stockées dans un MP3 — titre, artiste, album, pochette. Les lecteurs lisent ça plutôt que le nom de fichier, d’où un fichier bien nommé peut quand même s’afficher en « Unknown Artist ».

La forme visuelle de l’amplitude dans le temps. Pratique pour repérer le silence, les transitoires et les frontières de sections d’un coup d’œil ; ça ne dit rien de la hauteur ni de la tonalité.

Tu payes une fois, ou rien, et tu ne dois aucun paiement à l’usage ensuite. Ça ne veut pas dire libre de copyright, et ça ne veut pas dire sans restrictions — la licence fixe toujours les conditions.

Véritablement sans propriétaire — pour la musique, ça veut presque toujours dire domaine public par ancienneté. Très peu de musique moderne est sans copyright, et on emploie cette expression alors qu’on veut en réalité dire royalty-free.

Autorisation de sortir ton propre enregistrement de la song de quelqu’un d’autre. Ce qu’exige toute cover, qu’elle soit jouée par un groupe ou générée. Ça couvre la composition, pas l’enregistrement original.

Autorisation de synchroniser de la musique avec des images — une vidéo, une pub, un jeu. Distincte du droit de distribuer l’audio seul, et c’est la licence dont la plupart des créateurs ont vraiment besoin.

Chaque song porte deux droits : la composition (mélodie et paroles, détenue par l’auteur) et l’enregistrement sonore (la performance spécifique, détenue par celui qui l’a réalisée). Une cover crée un nouvel enregistrement mais utilise toujours la composition.

Le système d’identification automatique de YouTube. Il peut signaler un track que tu possèdes légitimement si ce track a été enregistré par quelqu’un d’autre — y compris quand un audio généré identique a été revendiqué en premier.

Une société de gestion des droits d’exécution — ASCAP, BMI, PRS — qui collecte les droits de performance pour les auteurs-compositeurs. Pertinent une fois que la musique est jouée en public ou diffusée plutôt que seulement streamée.

Un arrangement où la personne qui commande le travail en est pleinement propriétaire, pas celle qui l’a réalisé. Courant en pub et dans le jeu vidéo, et à verrouiller par écrit avant de livrer quoi que ce soit.