Musikk- og AI-ordliste

Hvor raskt et spor går, talt i slag per minutt. En ballade ligger rundt 70, house rundt 124, drum and bass rundt 174. Tempo er det mest nyttige å spesifisere i en prompt fordi det endrer følelsen mer enn instrumenteringen gjør.

Grunntonen musikken løser seg til, pluss om den bruker dur- eller mollskala. Dur oppleves som lys eller avklart, moll som mørkere eller uløst. To spor i samme toneart kan legges oppå hverandre eller mikses sammen uten å krasje.

En DJ-notasjon som gir hver toneart et tall pluss A eller B — 8A, 8B, 9A. Naboer på hjulet låter bra sammen, som gjør harmonisk miksing til matte i stedet for teori.

Rekkefølgen og lengden på delene i en låt — intro, vers, refreng, bridge, outro — og hvilke instrumenter som spiller i hver. Arrangement er det som får et spor til å føles som en låt i stedet for en loop som bare fortsetter.

Delen folk husker og kan synge tilbake. Vanligvis refrengmelodien eller en kort gjentatt frase. Et spor kan være velprodusert og likevel feile fordi det ikke har en hook.

Vokalmelodien og teksten skrevet over en eksisterende instrumental. I popproduksjon skrives toplinen og sporet ofte av ulike folk, derfor er "send meg en topline" en helt vanlig forespørsel.

Snapping av noter til en nøyaktig rutenettposisjon. Fikser slapp timing, men overdrevent fjerner det det menneskelige skyvet og trekket som gjør at grooven føles levende.

Hvor en lyd sitter mellom venstre og høyre høyttaler. Lead-vokal, kick og bass er nesten alltid i sentrum; gitarer, keys og kor-vokal dyttes utover. Akkurat denne konvensjonen er det senterkanal-vokalfjerning utnytter.

Generere lyd fra en skriftlig beskrivelse. Du skriver «slow lo-fi beat med støvete piano og vinylstøy» og får et spor tilbake. Beskrivelsen gjør jobben en produsent-brief ellers ville gjort.

Den skriftlige instruksen gitt til en musikkmodell. Nyttige prompts nevner sjanger, stemning, tempo, instrumentering og om du vil ha vokal. Vage prompts gir generiske resultater, fordi det ikke fins noe å styre mot.

En generasjonsmetode som starter fra støy og fjerner den trinnvis til det står igjen strukturert utdata. De fleste lydmodeller i dag jobber på et spektrogram eller en lært latent representasjon, ikke på rå samples, fordi rå lyd har altfor mange verdier per sekund.

En komprimert intern representasjon der musikk som låter likt ligger nær hverandre. Å generere i latent rom i stedet for rå lyd er det som gjør en hel låt mulig på sekunder i stedet for timer.

Et bilde av lyd: tid langs én akse, frekvens langs den andre, lysstyrke for lydstyrke. Flere musikkmodeller genererer et spektrogram og konverterer det til lyd etterpå, som lar bildeteknikker brukes på lyd.

Gjør kontinuerlig lyd om til en sekvens av diskrete symboler en modell kan forutsi, slik en språkmodell forutsier ord. Kvaliteten på tokeniseren setter taket for kvaliteten på utdata — detaljer som forsvinner der kan ikke hentes tilbake senere.

Alt som gis til modellen for å styre genereringen — en tekstprompt, et referanseklipp, et tempo, et sett med sangtekst. Mer betinging betyr mindre overraskelse og mer kontroll.

Å faktisk kjøre en trent modell for å produsere utdata, i motsetning til å trene den. Når en generator sier «genererer…», gjør den inferens, og ventetiden er ren regnetid.

Å splitte en ferdig miks tilbake i deler. Nevrale separatorer som Demucs lærer hvordan hvert instrument låter; senterkanal-kansellering utnytter i stedet stereogeometri, som er mye raskere og langt mindre presist.

Å gjenskape stemmen til en bestemt person fra opptak av dem. Ulikt å generere en stemme i en stil. Å klone en navngitt artist reiser spørsmål om likhet og publisitetsrett i stadig flere jurisdiksjoner, og derfor tilbyr ikke MusicGenerate det.

Hvor mange ganger per sekund lyden måles, i Hz. 44 100 Hz er CD-standard og 48 000 Hz er standard for video. Høyere rater fanger høyere frekvenser; de får ikke et spor til å låte bedre av seg selv.

Hvor presist hver sample lagres. 16-bit er utgivelseskvalitet, 24-bit gir mer headroom mens du jobber. Lav bitdybde høres som sus i stille partier.

WAV og FLAC bevarer hver sample; MP3 og AAC kaster info vurdert uhørbar for å gjøre filer mindre. Tapskomprimering er én vei — omkoding av en MP3 forsterker skaden i stedet for å reparere den.

En målestokk for lydstyrke som følger hvor høyt noe faktisk oppleves, ikke bare peak-nivået. Strømmetjenester normaliserer til omtrent −14 LUFS, så mastrere høyere enn det blir bare skrudd ned igjen.

Gapet mellom det høyeste punktet i en miks og taket der klipping starter. Å la noen dB med headroom gir mastreringen noe å jobbe med.

Det som skjer når et signal overskrider maks nivå og toppene flates ut. Høres som hard forvrengning, og når det først er skrevet inn i en fil kan det ikke angres.

Å dele stereo i det kanalene har felles (mid) og det som gjør dem ulike (side). Å isolere mid gir omtrent det som ligger i sentrum; å isolere side fjerner det. Dette er mekanismen bak karaoke-aktig fjerning av vokal.

Når to kopier av et signal er invertert i forhold til hverandre og summeres til stillhet. Et problem når det skjer utilsiktet mellom mikrofoner, og et verktøy når det gjøres med vilje for å fjerne innhold i sentrum.

Metadata lagret inne i en MP3 — tittel, artist, album, omslag. Avspillere leser dette i stedet for filnavnet, derfor kan en riktig navngitt fil likevel vises som "Unknown Artist".

Den visuelle formen på amplitude over tid. Nyttig for å finne stillhet, transienter og seksjonsgrenser ved et øyekast; den sier ingenting om tonehøyde eller toneart.

Du betaler én gang, eller ingenting, og skylder ingen videre betaling per bruk. Det betyr ikke uten opphavsrett, og det betyr ikke ubegrenset — lisensen setter fortsatt vilkårene.

Egentlig ueiet, som for musikk nesten alltid betyr offentlig eiendom (public domain) gjennom alder. Svært lite moderne musikk er opphavsrettsfri, og uttrykket brukes som regel når det egentlig menes royaltyfri.

Tillatelse til å gi ut din egen innspilling av andres sang. Det alle coverversjoner trenger, enten fremført av et band eller generert. Den dekker komposisjonen, ikke originalinnspillingen.

Tillatelse til å synkronisere musikk med bilde — en video, en annonse, et spill. Atskilt fra retten til å distribuere lyden alene, og lisensen de fleste skapere faktisk trenger.

Hver sang bærer to rettigheter: komposisjonen (melodi og tekst, eid av låtskriveren) og innspillingen (den spesifikke fremføringen, eid av den som laget den). Et cover skaper en ny innspilling, men bruker fortsatt komposisjonen.

YouTubes automatiske matchingssystem. Det kan flagge et spor du faktisk eier hvis det sporet ble registrert av noen andre — også i tilfeller der identisk generert lyd ble gjort krav på først.

En fremføringsrettighetsorganisasjon — ASCAP, BMI, PRS — som samler inn fremføringsvederlag for låtskrivere. Relevant så snart musikk spilles offentlig eller sendes, og ikke bare strømmes.

En ordning der den som bestiller arbeidet eier det fullt ut, i stedet for den som laget det. Vanlig i reklame og spill, og noe du bør avklare skriftlig før noe leveres.