Glossario Musica & IA

Quanto veloce si muove un brano, contato in battiti al minuto. Una ballad sta intorno a 70, la house intorno a 124, la drum and bass vicino a 174. Il tempo è la singola cosa più utile da specificare in un prompt perché cambia il feel più della strumentazione.

La nota di casa a cui un brano risolve, più se usa una scala maggiore o minore. Il maggiore suona luminoso o stabile, il minore più scuro o irrisolto. Due brani nella stessa tonalità possono essere sovrapposti o mixati senza scontrarsi.

Una notazione da DJ che rinomina ogni tonalità con un numero più A o B — 8A, 8B, 9A. Le tonalità adiacenti sulla ruota suonano bene insieme, così il mix armonico diventa aritmetica invece che teoria.

L'ordine e la durata delle sezioni di una canzone — intro, strofa, ritornello, bridge, outro — e quali strumenti suonano in ciascuna. L'arrangiamento è ciò che fa sentire un brano come una canzone, non come un loop che va avanti e basta.

La parte che la gente ricorda e sa cantare. Di solito la melodia del ritornello o una breve frase ripetuta. Un brano può essere prodotto benissimo e comunque fallire perché non ha un gancio.

La melodia vocale e il testo scritti sopra uno strumentale esistente. Nella produzione pop la topline e il brano sono spesso scritti da persone diverse, motivo per cui "mandami una topline" è una richiesta normale.

Agganciare le note a una posizione esatta della griglia. Aggiusta un timing impreciso e, se esageri, toglie quel tira e molla umano che fa sentire vivo un groove.

Dove un suono si colloca tra i diffusori sinistro e destro. Voce principale, cassa e basso sono quasi sempre al centro; chitarre, tastiere e cori vengono spinti verso l’esterno. È proprio questa convenzione che la rimozione della voce dal canale centrale sfrutta.

Generare audio da una descrizione scritta. Scrivi “slow lo-fi beat with dusty piano and vinyl noise” e ricevi indietro una traccia. La descrizione fa il lavoro che farebbe un brief del producer.

L’istruzione scritta data a un modello musicale. I prompt utili indicano genere, mood, tempo, strumentazione e se vuoi le voci. Prompt vaghi restituiscono risultati generici, perché non c’è niente verso cui puntare.

Un metodo di generazione che parte dal rumore e lo rimuove ripetutamente finché non resta un output strutturato. La maggior parte dei modelli audio attuali lavora su uno spettrogramma o su una rappresentazione latente appresa, non sui campioni grezzi, perché l’audio grezzo ha troppi valori al secondo.

Una rappresentazione interna compressa in cui musiche simili stanno vicine. Generare nello spazio latente invece che in audio grezzo è ciò che rende possibile una traccia completa in secondi anziché ore.

Un’immagine del suono: tempo su un asse, frequenza sull’altro, luminosità per la loudness. Diversi modelli musicali generano uno spettrogramma e poi lo convertono in audio, il che permette di applicare tecniche d’immagine al suono.

Trasformare audio continuo in una sequenza di simboli discreti che un modello può prevedere, come un modello linguistico prevede le parole. La qualità del tokenizzatore limita la qualità dell’output: il dettaglio perso lì non si recupera più.

Qualsiasi cosa data al modello per indirizzare la generazione — un prompt di testo, una clip di riferimento, un tempo, dei testi. Più condizionamento significa meno sorpresa e più controllo.

Eseguire davvero un modello addestrato per produrre output, invece di addestrarlo. Quando un generatore dice “generating…”, sta facendo inferenza, e l’attesa è tempo di calcolo.

Dividere un mix finito di nuovo in parti. I separatori neurali come Demucs imparano come suona ciascuno strumento; la cancellazione del canale centrale invece sfrutta la geometria stereo, molto più veloce e molto meno precisa.

Riprodurre la voce di una persona specifica a partire da sue registrazioni. Diverso dal generare una voce in uno stile. Clonare un artista nominato solleva problemi di somiglianza e diritti di immagine in un numero crescente di giurisdizioni, ed è per questo che MusicGenerate non lo offre.

Quante volte al secondo l’audio viene misurato, in Hz. 44.100 Hz è lo standard CD e 48.000 Hz è lo standard video. Frequenze più alte catturano frequenze più alte; da sole non fanno suonare meglio una traccia.

Quanto precisamente è memorizzato ciascun campione. 16-bit è qualità da pubblicazione, 24-bit dà più headroom mentre lavori. Una bassa profondità in bit si manifesta come fruscio nei passaggi silenziosi.

WAV e FLAC mantengono ogni campione; MP3 e AAC scartano informazioni giudicate inudibili per rendere i file più piccoli. La codifica lossy è a senso unico: ricodificare un MP3 aggrava il danno invece di ripararlo.

Una misura di loudness che segue quanto qualcosa suona davvero forte, non il suo livello di picco. I servizi di streaming normalizzano a circa −14 LUFS, quindi masterizzare più forte di così viene semplicemente riportato giù.

Il margine tra il punto più alto di un mix e il soffitto dove inizia il clipping. Lasciare qualche dB di headroom dà al mastering spazio su cui lavorare.

Quando un segnale supera il livello massimo e i suoi picchi vengono appiattiti. Si sente come una distorsione aspra e, una volta finito in un file, non si può annullare.

Dividere lo stereo in ciò che i canali hanno in comune (mid) e in ciò che li differenzia (side). Isolare il mid dà più o meno il contenuto centrato; isolare il side lo rimuove. È il meccanismo dietro la rimozione della voce in stile karaoke.

Quando due copie di un segnale sono invertite tra loro e si sommano fino al silenzio. Un problema quando succede per sbaglio tra microfoni, e uno strumento quando lo applichi di proposito per rimuovere il contenuto centrato.

Metadati memorizzati dentro un MP3 — titolo, artista, album, copertina. I lettori leggono questi invece del nome del file, ed è per questo che un file nominato correttamente può comunque comparire come "Unknown Artist".

La forma visiva dell’ampiezza nel tempo. Utile per trovare silenzi, transienti e confini di sezione a colpo d’occhio; non dice nulla su altezza o tonalità.

Paghi una volta, o niente, e non devi alcun pagamento ulteriore per utilizzo. Non significa privo di copyright, e non significa senza restrizioni — la licenza stabilisce comunque i termini.

Davvero non posseduto, che per la musica quasi sempre significa di pubblico dominio per anzianità. Pochissima musica moderna è senza copyright, e di solito la frase viene usata quando si intende royalty-free.

Permesso di pubblicare la tua registrazione di una canzone altrui. Quello che serve a ogni cover, che sia suonata da una band o generata. Copre la composizione, non la registrazione originale.

Permesso di sincronizzare musica con immagini — un video, uno spot, un gioco. Separata dal diritto di distribuire l’audio da solo, ed è la licenza di cui la maggior parte dei creator ha davvero bisogno.

Ogni canzone porta due diritti: la composizione (melodia e testo, di proprietà dell’autore) e la registrazione sonora (l’interpretazione specifica, di proprietà di chi l’ha realizzata). Una cover crea una nuova registrazione ma usa comunque la composizione.

Il sistema automatico di abbinamento di YouTube. Può segnalare un brano che possiedi legittimamente se quel brano è stato registrato da qualcun altro — incluse situazioni in cui un audio generato identico è stato rivendicato per primo.

Un ente di gestione dei diritti d’esecuzione — ASCAP, BMI, PRS — che raccoglie le royalty d’esecuzione per gli autori. Rilevante quando la musica viene suonata pubblicamente o trasmessa, non solo messa in streaming.

Un accordo in cui chi commissiona l’opera la possiede al 100%, non chi l’ha realizzata. Comune in pubblicità e videogiochi, ed è qualcosa da mettere per iscritto prima di consegnare qualsiasi cosa.