Struktura piosenki wyjaśniona

Dominująca struktura w muzyce popularnej to zwrotka–refren i trzyma się nie z konserwatyzmu, tylko dlatego, że rozwiązuje realny problem. Potrzebujesz usłyszeć coś nowego (zwrotka), a potem dostać coś znajomego, za co możesz się złapać (refren). Powtórz to dwa razy i ta znajoma część staje się tym, na co czekasz. Bridge istnieje wyłącznie po to, by finałowy refren uderzył mocniej — zabiera refren dokładnie w chwili, gdy schemat zacząłby być przewidywalny.

Długości sekcji są bardziej wystandaryzowane, niż większość ludzi sądzi. Osiem taktów to domyślna jednostka; szesnaście dla zwrotki, która potrzebuje oddechu; cztery dla przedrefrenu, którego jedynym zadaniem jest pchać do przodu. To, co różni gatunki, to miejsce kulminacji. Pop przesuwa pierwszy refren coraz wcześniej — często w pierwszych trzydziestu sekundach — bo wskaźniki pominięć w streamingu karzą wolny start. Muzyka taneczna zamienia refren na drop i buduje wszystko wokół dojścia do niego. Hip-hop często jedzie bliżej loopu, z hookami na wierzchu, zamiast rosnącego łuku.

Najczęstszy błąd strukturalny w muzyce amatorskiej i generowanej przez AI jest ten sam: wszystko wjeżdża naraz. Jeśli w pierwszej zwrotce masz już pełny aranż, refren nie ma dokąd pójść. Struktura to budżet — wstrzymuj instrumenty, żeby ich dokładanie coś znaczyło. Refren wydaje się duży, bo zwrotka przed nim była mniejsza, nie dlatego, że jest głośny.

Gdy piszesz prompt dla generatora, strukturę warto podać wprost. "Zwrotka, refren, zwrotka, refren, bridge, finałowy refren, oszczędna pierwsza zwrotka, pełny aranż od drugiego refrenu" daje modelowi znacznie więcej do roboty niż gatunek i nastrój, i to najszybszy sposób, by wygenerowane utwory przestały brzmieć płasko.