Bảng thuật ngữ Music & AI

Độ nhanh của một track, đếm bằng số nhịp mỗi phút. Ballad khoảng 70, house quanh 124, drum and bass gần 174. Tempo là thứ hữu ích nhất để ghi rõ trong prompt vì nó đổi cảm giác nhiều hơn phối khí.

Nốt chủ mà bản nhạc kết về, cộng với việc dùng thang trưởng hay thứ. Trưởng nghe sáng hoặc ổn định, thứ nghe tối hơn hoặc chưa giải quyết. Hai track cùng giọng có thể chồng hoặc mix với nhau mà không chỏi.

Cách ghi của DJ đổi mỗi giọng thành một số kèm A hoặc B — 8A, 8B, 9A. Các giọng nằm cạnh nhau trên vòng nghe hợp với nhau, biến hòa âm khi mix thành phép tính thay vì lý thuyết.

Thứ tự và độ dài các phần của bài — intro, verse, chorus, bridge, outro — và nhạc cụ nào chơi ở từng phần. Arrangement khiến một track nghe như bài hát chứ không phải một loop cứ chạy mãi.

Phần người ta nhớ và có thể hát lại. Thường là giai điệu chorus hoặc một cụm ngắn lặp đi lặp lại. Một track có thể sản xuất rất tốt mà vẫn thất bại vì không có hook.

Giai điệu và lời vocals viết trên một instrumental sẵn có. Trong sản xuất pop, topline và track thường do những người khác nhau viết, nên "send me a topline" là một yêu cầu bình thường.

Gắn nốt vào đúng vị trí trên lưới. Sửa timing cẩu thả, và nếu lạm dụng sẽ lấy đi nhịp “đẩy kéo” của con người làm groove sống động

Vị trí của âm thanh giữa loa trái và phải. Vocal chính, kick và bass gần như luôn ở giữa; guitar, phím và backing vocal được đẩy ra ngoài. Quy ước này chính là thứ khử vocal kênh giữa khai thác

Tạo audio từ mô tả bằng chữ. Bạn viết "slow lo-fi beat with dusty piano and vinyl noise" và nhận lại một track. Mô tả đó làm đúng vai trò một brief của producer

Hướng dẫn bằng chữ đưa cho một model nhạc. Prompt hữu ích nêu thể loại, mood, tempo, nhạc cụ và có muốn vocal hay không. Prompt mơ hồ trả về kết quả chung chung, vì chẳng có gì để bẻ lái

Phương pháp tạo bắt đầu từ noise và liên tục loại bỏ nó cho đến khi còn lại đầu ra có cấu trúc. Hầu hết model audio hiện nay làm việc trên spectrogram hoặc biểu diễn latent đã học thay vì audio thô, vì raw audio có quá nhiều giá trị mỗi giây

Một biểu diễn nội bộ nén nơi nhạc nghe giống nhau nằm gần nhau. Tạo trong latent space thay vì audio thô là thứ giúp ra một track đầy đủ trong vài giây thay vì hàng giờ

Một bức tranh của âm thanh: thời gian theo một trục, tần số theo trục kia, độ sáng biểu thị độ lớn. Nhiều model nhạc tạo spectrogram rồi chuyển thành audio sau đó, cho phép kỹ thuật ảnh áp vào âm thanh

Biến audio liên tục thành chuỗi ký hiệu rời rạc để model dự đoán, giống cách model ngôn ngữ dự đoán từ. Chất lượng của tokenizer đặt trần cho chất lượng đầu ra — chi tiết mất ở đó không thể phục hồi về sau

Bất cứ thứ gì đưa cho model để bẻ lái quá trình tạo — một prompt văn bản, một đoạn tham chiếu, một tempo, một bộ lời. Nhiều conditioning hơn nghĩa là ít bất ngờ hơn và kiểm soát nhiều hơn

Thực sự chạy một model đã huấn luyện để tạo đầu ra, khác với huấn luyện nó. Khi bộ tạo nói "generating…", nó đang inference, và thời gian chờ là thời gian tính toán

Tách một bản mix hoàn chỉnh trở lại thành các phần. Bộ tách bằng neural như Demucs học âm sắc từng nhạc cụ; khử kênh giữa thì khai thác hình học stereo, nhanh hơn nhiều và kém chính xác hơn nhiều

Tái tạo giọng nói của một người cụ thể từ các bản thu của họ. Khác với tạo một giọng theo phong cách. Clone một nghệ sĩ được nêu tên kéo theo vấn đề quyền giống giọng và quyền công khai ở ngày càng nhiều nơi, đó là lý do MusicGenerate không cung cấp nó

Số lần mỗi giây audio được lấy mẫu, tính bằng Hz. 44.100 Hz là chuẩn CD và 48.000 Hz là chuẩn cho video. Tần số lấy mẫu cao hơn bắt được tần số cao hơn; tự thân nó không làm một track nghe hay hơn

Mức độ chính xác lưu từng mẫu. 16-bit là chất lượng phát hành, 24-bit cho thêm headroom khi làm việc. Bit depth thấp hiện ra như tiếng hiss ở những đoạn yên

WAV và FLAC giữ mọi mẫu; MP3 và AAC bỏ thông tin bị cho là không nghe thấy để làm file nhỏ hơn. Mã hoá lossy là một chiều — mã hoá lại một MP3 chỉ chồng thêm hư hao chứ không khôi phục

Một thước đo độ lớn bám theo cách tai nghe thấy to nhỏ thay vì mức đỉnh. Dịch vụ streaming chuẩn hoá về khoảng −14 LUFS, nên master to hơn mức đó cũng sẽ bị kéo xuống lại

Khoảng trống giữa điểm to nhất của bản mix và ngưỡng bắt đầu clipping. Để lại vài dB headroom cho mastering còn chỗ làm việc

Khi tín hiệu vượt mức tối đa và đỉnh bị bẹt. Nghe như méo gắt, và một khi đã in vào file thì không thể hoàn tác

Tách stereo thành phần hai kênh cùng chia sẻ (mid) và phần làm chúng khác nhau (side). Cô lập mid sẽ cho nội dung gần như ở giữa; cô lập side sẽ loại bỏ nó. Đây là cơ chế đằng sau kiểu khử vocal cho karaoke.

Khi hai bản sao của một tín hiệu bị đảo ngược pha so với nhau và cộng lại thành im lặng. Là vấn đề khi vô tình xảy ra giữa các micro, và là công cụ khi cố ý áp dụng để loại bỏ nội dung ở giữa.

Siêu dữ liệu lưu bên trong một MP3 — tiêu đề, nghệ sĩ, album, ảnh bìa. Trình phát đọc những thứ này chứ không phải tên tệp, nên một tệp đặt tên đúng vẫn có thể hiện là “Unknown Artist”.

Hình dạng trực quan của biên độ theo thời gian. Hữu ích để tìm đoạn lặng, transient và ranh giới phần ngay lập tức; nó không nói gì về cao độ hay tông.

Bạn trả một lần, hoặc không trả, và không nợ thêm phí theo lượt dùng. Nó không có nghĩa là không còn bản quyền, và cũng không có nghĩa là không bị hạn chế — giấy phép vẫn đặt ra các điều khoản.

Thực sự không có chủ sở hữu, mà với âm nhạc gần như luôn nghĩa là thuộc phạm vi công cộng do đã quá cũ. Rất ít nhạc hiện đại là copyright-free, và cụm này thường bị dùng khi người ta thực sự muốn nói royalty-free.

Quyền cho phép phát hành bản thu của riêng bạn cho bài hát của người khác. Mọi bản cover đều cần, dù do ban nhạc biểu diễn hay do tạo sinh. Nó bao phủ phần sáng tác, không phải bản thu gốc.

Quyền cho phép đồng bộ nhạc với hình — video, quảng cáo, game. Khác với quyền phân phối riêng phần âm thanh, và là loại giấy phép đa số creator thực sự cần.

Mỗi bài hát có hai quyền: phần sáng tác (giai điệu và lời, thuộc về người viết) và bản thu âm (màn trình diễn cụ thể, thuộc về người thực hiện). Một bản cover tạo ra bản thu mới nhưng vẫn dùng phần sáng tác.

Hệ thống đối sánh tự động của YouTube. Nó có thể gắn cờ một track mà bạn thực sự sở hữu nếu track đó đã bị người khác đăng ký — kể cả khi một bản audio tạo sinh y hệt bị họ nhận trước.

Một tổ chức quyền biểu diễn — ASCAP, BMI, PRS — thu tiền bản quyền biểu diễn cho nhạc sĩ. Bắt đầu liên quan khi nhạc được phát công khai hoặc phát sóng, chứ không chỉ stream.

Thỏa thuận trong đó người đặt làm sở hữu toàn bộ, thay vì người thực hiện. Phổ biến trong quảng cáo và game, và nên chốt bằng văn bản trước khi bàn giao bất cứ thứ gì.