۶ پلاگین موسیقی مبتنی بر هوش مصنوعی که می‌توانند فرآیند تولید موسیقی را دگرگون کنند

این روزها که اخبار مربوط به چت‌بات‌های هوش مصنوعی و پیش‌رفت‌های این حوزه در صدر اخبار جهان قرار گرفته و هرکسی – چه عاشق دنیای تکنولوژی باشد و چه از آن دوری کند – برای یک‌بار هم که شده، نام این ابزارها و مدل‌های پیشرفته را شنیده‌است.

در این میان، گاهن گفته‌می‌شود مشاغل زیادی در شرف نابودی و جایگزینی با هوش مصنوعی هستند و این چت‌بات‌ها می‌توانند کار ما انسان‌ها را خیلی سریع‌تر و دقیق‌تر انجام دهند اما نگران نباشید 🙂 مهارت‌هایی که به‌نوعی با قوهٔ خلاقیت انسان در ارتباط است، قرار نیست به این زودی‌ها از بین برود و موسیقی یکی از این مهارت‌هاست.

بنابراین اگر ترانه‌سرا هستید و می‌توانید پروژه‌های موسیقی را ضبط و مدیریت کنید، باید بدانید این دانش و تجربه در حال حاضر مانند گذشته اهمیت و اعتبار دارد.

با همهٔ این‌ها، نباید فراموش کنیم که دنیای موسیقی هم مانند هر حوزهٔ دیگری دائمن در حال تغییر است و ما به چه به عنوان موزیسین و چه به عنوان شنوندهٔ موسیقی، باید خودمان را با این پیش‌رفت‌های کلان و تأثیرگذار هماهنگ کنیم. به عبارت دیگر، وقتی در مورد مفاهیمی مانند «هوش مصنوعی»، «یادگیری ماشین»، «ابزارهای هوش‌مند» و … صحبت می‌کنیم، مقصودمان بیش‌تر از آن‌که به سمت منفی گرایش داشته‌باشد، به سمت بهره‌گیری از قدرت فوق‌العادهٔ این ابزارها در تجزیه و تحلیل موسیقی و تولید اثری باکیفیت‌تر سوق دارد.

از نظر ما، مهم‌ترین نقطهٔ قوت پلاگین‌های موسیقی مبتنی بر هوش مصنوعی، استفادهٔ حداکثری از منابع سخت‌افزاری و انجام کارهایی است که در گذشته نمی‌توانستید با یک کامپیوتر معمولی در استودیوتان انجام دهید.

همهٔ ما نیک می‌دانیم که پلاگین‌های نرم‌افزاری، تمامن به صورت کامپیوتری طراحی شده‌اند و بنابراین، سیگنال‌های صوتی را – بر خلاف ما که به صورت شنیداری مورد بررسی و مقایسه قرار می‌دهیم – به صورت ریاضیاتی و کامپیوتری مورد تحلیل قرار می‌دهند. این ویژگی در عین حال که نقطهٔ ضعف به حساب می‌آید و اصوات را تنها بر اساس الگوهای دیجیتالی و کامپیوتری تغییر می‌دهد، می‌تواند یک نقطهٔ قوت بزرگ باشد و دیگر مثل ما انسان‌ها درگیر محتوای صوتی نشود و تنها بر مبنای الگوریتم‌های کامپیوتری، به‌ترین و بهینه‌ترین صدای ممکن را تولید کند.

این قابلیت در بسیاری از مواقع می‌تواند سرعت طراحی افکت‌ها و اعمال آن‌ها روی اصوات پروژه را تا حد چشم‌گیری افزایش دهد.

به عبارت دیگر، یک موزیسین، ممکن‌است هنگام اصلاح اصوات، دچار وسواس و سردرگمی شود اما الگوریتم‌ها فقط بخش‌هایی از صدا که به نظرشان معیوب و ناهنجار است را اصلاح می‌کنند و این بسیار جذاب و هیجان‌انگیز است.

البته پلاگین‌های مبتنی بر هوش مصنوعی، یک‌شبه به این درک عظیم و نزدیک به واقعیت دست نیافته‌اند و فرایند آموزش شبکه‌های عصبی پشت آن‌ها می‌تواند ماه‌ها زمان برده‌باشد. در واقع الگوریتم‌های یادگیری ماشین با تکیه بر الگوهای آموزش‌دیده و حجم عظیمی از داده‌ها می‌توانند درست را از غلط و خوب را از بد تمیز دهند.

“این الگوریتم‌ها در به‌ترین حالت، به جای آن‌که تصمیمات خلاقانهٔ موزیسین‌ها را نادیده بگیرند و به جای آن‌ها تصمیم‌گیری کنند، از فرایند خلاقانهٔ تولید موسیقی حمایت می‌کنند.”

تا حالا به فناوری و نحوهٔ تصمیم‌گیری پلاگین‌های حذف نویز مانند iZotope RX فکر کرده‌اید؟ می‌دانید این نوع پلاگین‌ها چه‌طور می‌توانند اصوات مزاحم را از اصوات مهم و ضروری تشخیص دهند؟ پاسخ به این پرسش‌ها بسیار ساده است؛ این پلاگین‌ها با تکیه بر داده‌های آموزشی‌شان، قطعات موسیقی را به تکه‌های بسیار کوچکی تقسیم می‌کنند و سپس در مورد حذف/نگه‌داری هر قطعهٔ تصمیم‌گیری می‌کنند.

از آن‌جا که این مدل‌ها برای تصمیم‌گیری‌شان از فرمول‌ها و دانش ریاضی و کامپیوتری بهره می‌گیرند، در بسیاری از مواقع، دقت‌شان از انسان‌ها هم پیشی می‌گیرد و کارها را با دقت و سرعت بیش‌تری انجام می‌دهند.

البته همان‌طور که اشاره کردیم، بسیاری از موزیسین‌ها و افراد حرفه‌ای، توسعهٔ چنین ابزارهایی را ‘روی تاریک هوش مصنوعی’ می‌دانند و بر این باور-اند که ابزارهای مذکور در صورت توسعهٔ بیش‌تر، حتمن یک‌روز جای انسان را در استودیوها می‌گیرند. در همین راستا، LANDR یکی از بحث‌برانگیزترین ابزارهایی که در چند سال گذشته به مرحلهٔ تجاری‌سازی و انتشار عمومی رسید.

این ابزار فوق قدرت‌مند با استفاده از هوش مصنوعی و شبکه‌های عصبی، مسترینگ پروژه‌های موسیقی را به به‌ترین و تمیزترین شکل ممکن انجام می‌دهد.

همان‌طور که می‌دانید، مسترینگ یکی از سخت‌ترین بخش‌های تولید موسیقی است و این‌طور نیست که با صرف وقت کمی بتوان در انجام این کار حرفه‌ای شد و رسیدن به این مرحله، نیازمند ماه‌ها یا شاید هم سال‌ها آموزش و تهیهٔ جدیدترین و قدرت‌مندترین تجهیزات استودیویی است. افراد بدبین با خودشان فکر می‌کنند “وقتی یک ابزار هوش مصنوعی توانسته به‌خوبی از پس انجام چنین کار سختی بر آید، قطعن از پس انجام سایر مراحل موزیک پروداکشن هم بر می‌آید.”!

این الگوریتم‌ها در به‌ترین حالت، به جای آن‌که تصمیمات خلاقانهٔ موزیسین‌ها را نادیده بگیرند و به جای آن‌ها تصمیم‌گیری کنند، از فرایند خلاقانهٔ تولید موسیقی حمایت می‌کنند.

به عنوان آخرین مثال، هنگام انجام مرحلهٔ میکس در تولید موسیقی، احتمالن اولین کاری که موزیسین‌ها انجام می‌دهند، کمپرس‌کردن اصوات و اعمال پریست Kick Insert و تنظیم پارامترهای آن است اما نباید فراموش کنیم که انسان‌ها کارشان را از یک نقطه شروع می‌کنند و در نهایت به چیزی که در ذهن‌شان نقش بسته، می‌رسند.

در حالی که پلاگین‌های مبتنی بر هوش مصنوعی، از همان اول با تقریب نسبتن خوبی می‌توانند تشخیص دهند که موزیسین دنبال دستیابی به چه نوع صدایی است و کارهای لازم برای رسیدن به آن صدا را در کسری از ثانیه انجام می‌دهند. از نظر ما که بهره‌گیری از هوش، استعداد و توانایی این‌گونه ابزارها نه‌تنها چیز بدی نیست، بلکه به عنوان یک شتاب‌دهنده محسوب می‌شود.

همان‌طور که از عنوان مقاله بر می‌آید، در این مطلب، ۶ پلاگین موسیقی مبتنی بر هوش مصنوعی را به شما معرفی کرده‌ایم؛ پلاگین‌هایی که با استفاده از آن‌ها شاید بتوانید فرایند موزیک پروداکشن را برای همیشه تغییر دهید. با ما همراه باشید…

iZotope RX 9

وقتی صحبت از بهره‌برداری از قدرت الگوریتم‌های یادگیری ماشین و هوش مصنوعی به میان می‌آید، iZotope یکی از قدیمی‌ترین کمپانی‌هاست.

نمونه‌ای از ایده‌های پیاده‌سازی‌شده توسط iZotope را می‌توانید در پلاگین‌های شگفت‌انگیزی نظیر Ozone Mastering Assistant یا Neoverb ببینید. بنابراین، به نظر می‌رسد RX قوی‌ترین و کامل‌ترین پلاگین مبتنی بر هوش مصنوعی تولیدشده توسط این کمپانی باشد.

البته RX به عنوان یک پلاگین اصلاح‌کنندهٔ اصوات منتشر شده و کار اصلی آن، بهبود کیفیت اصوات از طریق حذف نویز، اعمال افکت‌ها و … است. از آن‌جا که شبکهٔ عصبی این پلاگین، مدام در حال به‌روزرسانی و تقویت دانش خودش است، عملکرد بی‌نظیر آن روزبه‌روز بهبود می‌یابد و از این هم به‌تر خواهدشد.

خلاصه این‌که iZotope با تعبیهٔ جدیدترین و پیشرفته‌ترین ابزارها و الگوریتم‌ها درون این پلاگین، آن را به یکی از ضروری‌ترین پلاگین‌های استودیو تبدیل کرده‌است.

Focusrite FAST Series

Focusrite اخیرن از تعداد زیادی پلاگین‌های جدیدش رونمایی کرده و به نظر می‌رسد این کمپانی هم مانند سایر کمپانی‌های بزرگ، استفاده از قدرت هوش مصنوعی در محصولاتش را در دستور کار قرار داده.

نکتهٔ حائز اهمیت در مورد پلاگین‌های جدید Focusrite، استفاده از فناوری‌های Sonible – که به واسطهٔ توسعهٔ ابزارهای میکس سری Smart شهرت دارد – است.

دلیل اصلی آن‌که ترجیح دادیم نام Focusrite را در لیست‌مان قرار دهیم، اثبات تأثیر مثبت پلاگین‌های هوش مصنوعی در حوزهٔ تولید موسیقی است.

ما می‌خواهیم به همه نشان دهیم که این ابزارها برای گرفتن جای ما انسان‌ها ساخته نشده‌اند؛ بلکه هدف از توسعهٔ آن‌ها، تسهیل انجام کارهای روتین و پیچیده است.

پلاگین‌های جدید Focusrite با تمرکز روی اکولایزر، کامپرشن، ریورب و البته داکینگ طیفی (موسوم به Spectral Ducking) رونمایی شده‌اند. این پلاگین‌ها با توجه به محتوای صوتی که به عنوان ورودی در اختیارشان قرار داده‌می‌شود، به‌ترین و مناسب‌ترین افکت‌ها و تنظیمات را به شما پیشنهاد می‌کنند.

به طور کلی، موزیسین‌های مبتدی با استفاده از این ابزارها می‌توانند در زمان کمی، به تنظیمات و افکت‌هایی که موزیسین‌های حرفه‌ای در آثارشان از آن استفاده می‌کنند، دست یابند.

Audiomodern Playbeat

کمپانی Audiomodern با توسعه و انتشار پلاگین حرفه‌ای Playbeat، سیکوئنس‌کردن درام را با استفاده از الگوریتم‌های هوش مصنوعی و یادگیری ماشین انجام می‌دهد.

در نگاه اول، این پلاگین مانند هزاران پلاگین درام‌ماشین دیگر به نظر می‌رسد و ابزارهای اولیه شامل Importکردن سمپل‌ها به Step-Sequencerهای ۸-ترکی و پارامترهایی نظیر Pitch، Level، Pan Position و … را در اختیار موزیسین‌ها قرار می‌دهد.

وجه تمایز Playbeat با پلاگین‌های مشابه، امکان ترکیب تصادفی و ریمیکس اصوات بر اساس فضای صوتی پروژه است. این‌جاست که هوش مصنوعی وارد می‌شود و Playbeat را به یک پلاگین منحصربه‌فرد و خاص تبدیل می‌کند.

اگرچه Playbeat الگوهای درام را به صورت رندوم و تصادفی تولید می‌کند اما در انتخاب و تولید آن‌ها، فضای اصلی موسیقی شما را هم مد نظر قرار می‌دهد و با توجه به آن، سعی می‌کند الگوهای مناسب‌تر و به‌تری را در اختیارتان قرار دهد.

Hit’n’Mix RipX

RipX به ۲ نسخهٔ DeepRemix و DeepAudio تقسیم می‌شود: نسخهٔ DeepRemix تلاش می‌کند یکی از جنجالی‌ترین کارها یعنی DeMixing موسیقی را انجام دهد. به عبارت ساده، این پلاگین می‌تواند قطعات میکس و مسترشده را به قطعات کوچک‌تر تقسیم کرده و با این کار، اصوات به‌کاررفته در موسیقی را در قالب سازهای جداگانه از یک‌دیگر تفکیک کند.

البته این را هم باید بگوییم که عملکرد آن فعلن چنگی به دل نمی‌زند و در همهٔ مواقع، دقیق و درست کار نمی‌کند اما هنوز هم در مواجه با موسیقی‌های ساده‌تر مانند Classic Rock و Pop بسیار عالی ظاهر می‌شود.

همان‌طور که می‌دانید، DeMixing یکی از سخت‌ترین و پیچیده‌ترین فناوری‌های دنیاست و تا کنون هیچ ابزاری معرفی نشده که بتواند این کار را به نحو احسن انجام دهد اما به نظر می‌رسد DeepRemix تا حد خوبی به هدفش نزدیک شده و این کار را با کیفیت قابل قبولی انجام می‌دهد.

این پلاگین بعد از انجام DeMixing، ابزارهای خوبی برای ایزوله‌سازی اصوات و حذف نویزهای مزاحم را هم در اختیارتان قرار می‌دهد.

Algonaut Audio Atlas 2

یکی از خسته‌کننده‌ترین مراحل موزیک پروداکشن، انتخاب سمپل‌های مناسب برای استفاده در پروژه است. هدف اصلی Atlas، ازبین‌بردن سختی و فرسایش حاصل از انجام این کار است. پلاگین Atlas 2 با آنالیز فولدر حاوی سمپل‌ها، یک نقشهٔ کلی از آن‌ها ایجاد کرده و سپس سمپل‌ها را بر اساس رنگ و شخصیت صوتی‌شان در دسته‌های جداگانه قرار می‌دهد.

علاوه بر این، چنان‌چه سمپل‌ها و قطعات One-Shot نظیر اجراهای سازهای دیگر را به پوشهٔ سمپل‌هایتان اضافه کنید، Atlas به صورت اتوماتیک آن‌ها را داخل یک دستهٔ مجزا به نام «اصوات غیر پرکاشن / غیر کوبشی» قرار می‌دهد. با انجام این کار، دیگر می‌دانید که هنگام انتخاب یک سمپل مناسب برای لاین درام، لازم نیست همهٔ سمپل‌ها را از اول گوش دهید و وقت خود را بیهوده تلف کنید.

در این پلاگین، افزون بر دسته‌بندی حرفه‌ای سمپل‌ها، می‌توانید به ابزارهای ویرایش، درام‌ماشین و البته یک سیکوئنسر پیشرفته هم دسترسی داشته‌باشید.

Baby Audio TAIP

TAIP را می‌توان ترکیب موفق و حرفه‌ایِ «پیشرفتگی دنیای مدرن» و «صدای خاطره‌انگیز دوران کلاسیک» دانست.

کانسپت اصلی این پلاگین البته چیز جدیدی نیست و در واقع تلاش می‌کند صدای گرم و غنی Tape Machineهای آنالوگ را شبیه‌سازی کند. هرچند، رویکرد Baby Audio برای انجام این کار، اساسن متفاوت از سایر پلاگین‌هاست.

به گفتهٔ Baby Audio، “پلاگین TAIP به جای استفاده از پردازندهٔ سیگنال صوتی (موسوم به DSP)، سعی می‌کند جنس، رنگ و شخصیت صوتی Tape Machineهای آنالوگ را بفهمد.”.

این کمپانی برای دستیابی به این هدف، نمونه‌های صوتی فراوانی شامل «اصوات بدون افکت» و «اصوات ضبط‌شده توسط Tape Machine» را در اختیار شبکهٔ عصبی پلاگین قرار می‌دهد تا الگوریتم‌های یادگیری ماشین، تفاوت بین آن‌ها را تشخیص داده و سپس افکت حاصل از Tape Machineهای آنالوگ را به اصوات دیجیتالی موجود در ورک‌ستیشن اضافه کنند.