Glosar Muzică & AI

Cât de repede se mișcă un track, numărat în bătăi pe minut. O baladă stă pe la 70, house pe la 124, drum and bass pe la 174. Tempo-ul e cel mai util lucru de specificat într-un prompt, pentru că schimbă senzația mai mult decât instrumentația.

Nota de acasă la care se rezolvă o piesă, plus dacă folosește gamă majoră sau minoră. Major sună luminos sau așezat, minor mai întunecat sau nerezolvat. Două track-uri în aceeași tonalitate pot fi suprapuse sau mixate fără să se bată.

O notație de DJ care redenumește fiecare tonalitate ca un număr plus A sau B — 8A, 8B, 9A. Tonalitățile vecine pe roată sună bine împreună, ceea ce face din mixajul armonic o aritmetică, nu o teorie.

Ordinea și lungimea secțiunilor unei piese — intro, vers, refren, bridge, outro — și ce instrumente cântă în fiecare. Aranjamentul e ce face un track să se simtă ca o piesă, nu ca o buclă care tot merge.

Partea pe care lumea și-o amintește și o poate fredona. De obicei melodia refrenului sau o frază scurtă repetată. Un track poate fi bine produs și tot să pice pentru că n-are hook.

Melodia vocală și versurile scrise peste un instrumental existent. În producția pop, topline-ul și track-ul sunt adesea scrise de oameni diferiți, de-asta „trimite-mi un topline” e o cerere normală.

Fixarea notelor pe poziții exacte din grilă. Repară timing-ul neglijent, iar dacă exagerezi, ia din respirația umană care face groove-ul să pară viu.

Unde stă un sunet între difuzorul stâng și drept. Vocea principală, kick-ul și basul sunt aproape mereu pe centru; chitările, clapele și vocile de fundal sunt împinse spre exterior. Exact de asta profită înlăturarea vocii din canalul central.

Generarea audio dintr-o descriere scrisă. Scrii „slow lo-fi beat cu pian prăfos și zgomot de vinil” și primești o piesă înapoi. Descrierea face treaba pe care ar face-o un brief de producător.

Instrucțiunea scrisă dată unui model muzical. Prompturi utile numesc genul, vibe-ul, tempo-ul, instrumentația și dacă vrei vocals. Prompturi vagi dau rezultate generice, pentru că nu au direcție.

O metodă de generare care pornește din zgomot și îl îndepărtează repetat până rămâne un rezultat structurat. Cele mai multe modele audio lucrează pe o spectrogramă sau pe o reprezentare latentă învățată, nu pe eșantioane brute, pentru că audio brut are mult prea multe valori pe secundă.

O reprezentare internă comprimată în care muzica ce sună similar stă aproape laolaltă. Generarea în spațiul latent, nu direct în audio brut, e ce face posibilă o piesă completă în secunde, nu în ore.

O poză a sunetului: timpul pe o axă, frecvența pe cealaltă, luminozitatea indică tăria. Câteva modele muzicale generează o spectrogramă și o convertesc apoi în audio, ceea ce lasă tehnicile de imagine să se aplice sunetului.

Transformarea audio-ului continuu într-o secvență de simboluri discrete pe care un model le poate prezice, cum un model de limbaj prezice cuvinte. Calitatea tokenizatorului plafonează calitatea rezultatului — detaliul pierdut acolo nu mai poate fi recuperat mai târziu.

Orice dai modelului ca să-i ghidezi generarea — un prompt text, un clip de referință, un tempo, un set de versuri. Mai multă condiționare înseamnă mai puțină surpriză și mai mult control.

Rularea efectivă a unui model antrenat ca să producă output, spre deosebire de antrenare. Când un generator zice „generating…”, face inferență, iar așteptarea e timp de compute.

Despărțirea unui mix final înapoi în părți. Separatoarele neurale precum Demucs învață cum sună fiecare instrument; anularea canalului central exploatează în schimb geometria stereo, e mult mai rapidă și mult mai puțin precisă.

Reproducerea vocii unei persoane specifice din înregistrări cu ea. Diferă de generarea unei voci într-un stil. Clonarea unui artist nominal ridică probleme de asemănare și drepturi de imagine în tot mai multe jurisdicții, motiv pentru care MusicGenerate nu o oferă.

De câte ori pe secundă e măsurat audio-ul, în Hz. 44,100 Hz e standardul CD și 48,000 Hz e standardul pentru video. Rate mai mari capturează frecvențe mai înalte; nu fac o piesă să sune mai bine de unele singure.

Cât de precis e stocat fiecare eșantion. 16-bit e calitate de lansare, 24-bit îți dă mai mult headroom cât lucrezi. Adâncimea mică de biți apare ca fâșâit în pasaje liniștite.

WAV și FLAC păstrează fiecare eșantion; MP3 și AAC aruncă informație considerată inaudibilă ca să facă fișierele mai mici. Codarea cu pierderi e într-un singur sens — re-encodarea unui MP3 compune paguba, nu o repară.

O măsurătoare a tăriei care urmărește cât de tare pare ceva în realitate, nu nivelul de vârf. Platformele de streaming normalizează pe la −14 LUFS, deci masterizarea mai tare de atât doar va fi dată înapoi mai încet.

Spațiul dintre cel mai tare punct al unui mix și plafonul unde începe clipping-ul. Lăsând câțiva dB de headroom, dai masterizării loc să lucreze.

Ce se întâmplă când un semnal trece de nivelul maxim și vârfurile îi sunt tăiate. Se aude ca o distorsiune aspră, iar după ce a ajuns în fișier nu mai poate fi anulată.

Separarea stereo-ului în ce au canalele în comun (mid) și în ce le diferențiază (side). Izolarea mid-ului dă aproximativ conținutul centrat; izolarea side-ului îl elimină. Ăsta e mecanismul din spatele eliminării de vocals în stil karaoke.

Când două copii ale unui semnal sunt inversate una față de cealaltă și se adună până la tăcere. O problemă când se întâmplă accidental între microfoane, și o unealtă când e aplicată deliberat pentru a elimina conținutul centrat.

Metadate stocate în interiorul unui MP3 — titlu, artist, album, artwork. Playerele citesc astea, nu numele fișierului, de-aia un fișier denumit corect poate tot apărea ca "Unknown Artist".

Forma vizuală a amplitudinii în timp. Utilă ca să găsești dintr-o privire liniștea, tranzienții și limitele secțiunilor; nu spune nimic despre înălțime sau tonalitate.

Plătești o dată, sau nimic, și nu mai datorezi plăți per utilizare. Nu înseamnă fără drepturi de autor și nu înseamnă nelimitat — licența tot stabilește condițiile.

Cu adevărat ne-deținut, ceea ce la muzică înseamnă aproape întotdeauna domeniu public prin vechime. Foarte puțină muzică modernă e fără copyright, și expresia e folosită de obicei când de fapt se vrea royalty-free.

Permisiunea de a lansa înregistrarea ta a cântecului altcuiva. Orice cover are nevoie de asta, fie cântat de o trupă, fie generat. Acoperă compoziția, nu înregistrarea originală.

Permisiunea de a sincroniza muzica cu imagini — un video, o reclamă, un joc. Separată de dreptul de a distribui audio-ul de sine stătător, și licența de care au de fapt nevoie cei mai mulți creatori.

Fiecare piesă poartă două drepturi: compoziția (melodia și versurile, deținute de autor) și înregistrarea audio (interpretarea specifică, deținută de cine a făcut-o). Un cover creează o nouă înregistrare, dar folosește tot compoziția.

Sistemul automat de potrivire al YouTube. Poate marca un track pe care îl deții legitim dacă acel track a fost înregistrat de altcineva — inclusiv în cazurile în care un audio generat identic a fost revendicat primul.

O organizație de drepturi de interpretare — ASCAP, BMI, PRS — care colectează redevențe de interpretare pentru compozitori. Devine relevantă când muzica e difuzată public sau la broadcast, nu doar stream-uită.

Un aranjament în care cel care comandă lucrarea o deține integral, nu persoana care a făcut-o. Comun în publicitate și jocuri, și merită stabilit în scris înainte să livrezi orice.