נראה כי AI נמצא בכל מקום בימים אלה. מכתיבה לעיתונות לאמנות ומעבר לה, היא עושה קפיצה משמעותית קדימה בכמה תחומים שונים. כמובן שכל מי שעובד במוזיקה יודע שזה עושה התזה גדולה גם במוזיקה, במיוחד במאסטרינג.

מאסטרינג בינה מלאכותית מגיע עם כמה הטבות נהדרות כמו להיות מהיר יותר, עקבי יותר ונגיש יותר מאשר לשכור מהנדס מאסטרינג אנושי, שבאמת מתחיל לזעזע את העניינים, מה שמעלה את השאלה, איך נראה העתיד של מאסטרינג בעולם דומיננטי בינה מלאכותית?

במאמר זה, נסתכל על האופן שבו AI משנה את השליטה, האתגרים העומדים בפניו, מה הוא יכול לעשות ולאן הוא פונה בעתיד.

המצב הנוכחי של מאסטרינג

מאסטרינג עשוי להיות אחד הצעדים הקריטיים ביותר בתהליך הפקת המוזיקה.

לפני שהמוזיקה שלך מגיעה לעולם, היא פוגעת באוזניו של שומר הסף האחרון, שמשפר ומלטש אותה כדי לוודא שהיא נשמעת במיטבה בכל מערכות ההפעלה.

מאסטרינג, כפי שאנו מכירים אותו, מטופל על ידי מהנדסי מאסטרינג מיומנים, המשתמשים בשילוב רב עוצמה של ניסיון, ציוד איכותי ותוכנה מיוחדת כדי לשפר את איכות הצליל הכוללת של מיקסים, להבטיח עקביות בין רצועות באלבום ולהכין את האודיו להפצה.

שיטת מאסטרינג "מסורתית" זו צמחה באמצע המאה ה -20 והפכה מוגדרת יותר עם כניסתו של ה- LP בסוף שנות הארבעים והחמישים, כאשר מהנדסים החלו להתמקד באופטימיזציה של הצליל לתקליטי ויניל.

רבים רואים ב סטרלינג סאונד בית המאסטרינג הלגיטימי הראשון, שהוקם בשנת 1968 בניו יורק. במובנים רבים, היא קבעה סטנדרטים בתעשייה באמצעות עבודה עם אמנים רבים בעלי פרופיל גבוה, כולל הביטלס, לד זפלין, U2, קווין, נירוונה, קולדפליי, אדל ועוד רבים אחרים.

כמובן שמאז הצגת המאסטרינג במאה ה -20, הרבה השתנה.

במהלך העשור האחרון לערך, חלו כמה התפתחויות מרכזיות במאסטרינג AI.

בתור התחלה, למוזיקאים יש כעת גישה למספר שירותי מאסטרינג אוטומטיים, כאשר eMast ered הוא אחד הגדולים ביותר. פלטפורמות אלה מציעות שירותי מאסטרינג מקוונים של AI המספקים תוצאות מיידיות. כמוזיקאי, אתה יכול פשוט להעלות את הרצועות שלך ולקבל גרסאות שליטה תוך דקות ספורות.

היופי של AI במאסטרינג הוא שכמעט כל אחד יכול להשיג צליל באיכות גבוהה מבלי להזדקק לזמן אולפן יקר. עם זאת, זה גם מעלה שאלות לגבי תפקידם העתידי של מהנדסים אנושיים והפוטנציאל של AI להבין ולשכפל באמת את הדקויות האמנותיות שמגיעות עם מגע אנושי.

לפני שנכנס לזה, חשוב להבין כיצד מתפתחים שירותי שליטה בינה מלאכותית.

השימוש המתפתח ללא הרף ב- AI במאסטרינג

טכנולוגיית AI עשתה צעדים משמעותיים בשנים האחרונות, וחברות רבות משתמשות באלגוריתמים חדשניים של למידת מכונה, רשתות עצביות ולמידה עמוקה כדי לעזור ל- AI לבצע משימות עיבוד שמע מורכבות ביעילות יוצאת דופן.

אלגוריתמים של למידת מכונה מצטיינים בזיהוי דפוסים במערכי נתונים גדולים.

במאסטרינג, אלגוריתמים אלה מוזנים בכמות עצומה של נתוני מוזיקה לניתוח על מנת להבין את המאפיינים של רצועות נשלטות היטב. כתוצאה מכך, יש להם את היכולת לזהות הגדרות אופטימליות עבור EQ, דחיסה וכלי עיבוד שמע אחרים המבוססים על דפוסים שלמדו.

לאלגוריתמים אלה יש גם את היכולת להסתגל לז'אנרים וסגנונות מוסיקה שונים. אם תעלה מסלול dubstep מודרני לפלטפורמת מאסטרינג AI, הוא יבצע התאמות ספציפיות לז'אנר כדי להבטיח שהפלט השולט שומר על הסגנון האמנותי המיועד.

יש לנו גם רשתות עצביות, שהן יעילות למדי בעיבוד היחסים המורכבים בין מאפייני שמע שונים, כגון תדר, משרעת ופאזה.

לבסוף, יש לנו מודלים של למידה עמוקה, המשתמשים במידע מתקדם יותר שנמצא ברשתות עצביות מלאכותיות.

כאן ב- eMastered, אנו משתמשים במודלים של למידה עמוקה שהוכשרו על קבוצה מגוונת של רצועות בעלות שליטה מקצועית כדי לבצע התאמות מדויקות ל- EQ, דחיסה והדמיית סטריאו.

ישנם מספר יתרונות לשימוש בשירותי מאסטרינג AI כמו eMastered כולל:

• יעילות: פלטפורמות מונעות בינה מלאכותית יכולות לשלוט במסלולים בשבריר מהזמן שיידרש למהנדס אנושי, מה שהופך אותן לאידיאליות להפנות מהירות.
• נגישות: פלטפורמות אלה מספקות תוצאות באיכות גבוהה בעלות נמוכה יותר, מה שמועיל במיוחד עבור אמני אינדי.
• עקביות: עם הסתמכות מלאה על דפוסים ונתונים נלמדים, פלטפורמות שליטה בינה מלאכותית מציעות איכות עקבית. שלא כמו מהנדס אנושי, לא יהיו להם "ימי חופש".

ראוי להזכיר, כמובן, שליתרונות אלה יש אתגרים מקבילים.

אתגרים עתידיים לשליטה בינה מלאכותית

אין ספק ששירותי יצירת מוזיקה רבים של AI עובדים טוב מאוד. עם זאת, זה לא אומר שהם מושלמים, ואפילו כחברה שפיתחה אלגוריתם שליטה בינה מלאכותית מוצלח, אנו מרגישים שעדיף להיות שקופים לגבי האתגרים הללו.

חששות לגבי AI המחליפה מהנדסי שליטה אנושיים

אחד האתגרים העיקריים של AI בשליטה הוא המחשבה שאנו עלולים לאבד את המגע האנושי.

אני מכיר מהנדסי מאסטר רבים שעבדו ולמדו במשך שנים על מנת להיות מסוגלים להביא שפע של ניסיון, אינטואיציה ורגישות אמנותית לשולחן. הם מעולים במה שהם עושים ויכולים לקבל החלטות סובייקטיביות המשקפות את הסגנון האישי שלהם ואת חזון האמן.

ההערה על "סגנון" היא המפתח, מכיוון שבדיוק כמו למפיקים וליצרני פעימות יש מאפיינים מוכרים משלהם, כך גם מהנדסי מאסטרינג רבים.

בינה מלאכותית, למרות שהיא יעילה ביותר, עדיין חסרה את היכולת להבין את הניואנסים הרגשיים והיצירתיים של המוזיקה. הוא יודע רק מה מלמדים אותו, ואינו יכול לקבל החלטות בהתבסס על הזבוב שאינן מובנות בתכנות שלו. כתוצאה מכך, אנשים רבים חוששים שהמוזיקה תגיע בסופו של דבר למצב הומוגני, שבו כל דבר נשמע, ובכן, אותו דבר.

אם אנו מסתמכים יתר על המידה על AI, לא נקבל את האופי והנשמה הייחודיים שמהנדס מיומן יכול להקנות למסלול.

חששות לגבי מגבלות טכניות

AI ראתה את חלקה ההוגן בהתקדמות הטכנית לאורך השנים, אם כי עדיין יש כמה מגבלות ידועות.

חלק מהאלגוריתמים של AI, למשל, יכולים להיאבק עם רצועות בעלות מבנים לא שגרתיים או רכיבי שמע מורכבים ביותר. לדוגמה, בואו ניקח רצועת רוק ניסיוני יותר שיש בה את כל האלמנטים של שיר רוק מסורתי, למעט בס סינתטי שחוזק שאמור לשמש בסיס אלקטרוני מוצק לשאר השיר.

AI לא יוכל להבחין בהבדל בין אותו בס סינתטי, בס רגיל או כל כלי אחר ברמה נמוכה לצורך העניין. אולי זה יכול לנחש טוב, וזה עשוי לעשות את זה נכון, אבל אין דרך להבטיח את זה.

אם לוקחים בחשבון את העובדה שאלגוריתם של מאסטרינג בינה מלאכותית עשוי לחשוב שמדובר במסלול רוק מסורתי, הוא יערבב אותו כמו כל מסלול רוק אחר, דוחס את הקצה הנמוך ודוחף אותו לאחור כדי לפנות מקום לעובי האמצעים התחתונים ולאגרוף התופים. כמובן שמבחינת החזון האמנותי שלך, אולי תרצה לשלוט בו יותר כמו מסלול EDM או היפ הופ.

אמנם אתה יכול להציע הצעות כלליות בכמה פלטפורמות מאסטרינג של AI, אבל בסופו של דבר, מהנדסים אנושיים הם היחידים שיכולים לבצע התאמות עדינות במיוחד על סמך אוזניהם המאומנות וכוונותיהם האמנותיות הספציפיות.

אנו מקווים שבעתיד ניתן לאמן מערכות AI מעבר לנתונים קיימים על מנת להסתגל היטב לז'אנרים או סגנונות חדשים לחלוטין החורגים משמעותית מהנורמה.

חששות לגבי תפקידו של AI בתעשיית היצירה

לבסוף, ומסיבה טובה, עליית ה- AI בשליטה מעוררת הרבה חששות לגבי עקי רת עבודה.

AI יכול להתמודד עם מספר משימות טכניות ברגע, ובשבריר מהעלות, מה שבסופו של דבר מקטין את הצורך במהנדסים אנושיים.

עם זאת, זה יכול גם ליצור הזדמנויות חדשות. לדוגמה, AI יכול לשחרר מהנדס מאסטרינג להתמקד יותר בהיבטים יצירתיים ופחות במשימות חוזרות על עצמן כמו נורמליזציה של עוצמת קול או הפחתת רעש.

כעת, נהיה הראשונים לומר שאנחנו אף פעם לא חושבים ש- AI יחליף לחלוטין את תהליך השליטה האנושי.

זהו תהליך הרבה יותר ניואנס ממה שרבים מאמינים. לדוגמה, AI לא יידע שמבוא, פסוק או מקהלה דורשים טיפול שונה, מכיוון שהוא לא יוכל להבחין בין אותם חלקים שונים של הרצועה. הוא גם לא יוכל לנחש אם הקליקים או הקופצים האלה בתמהיל הסופי שלך באמת שייכים לשם או שנשארו במקרה.

מהנדס מאסטרינג אמיתי כנראה יתקשר אליך ויגיד, "היי, אם אתה רוצה את התוצאות הטובות ביותר, הקפץ שוב את המיקס ותטפל בנושאים האלה."

איך נראה מאסטרינג בינה מלאכותית בעתיד?

ככל שכלי מאסטרינג AI הופכים נגישים יותר לקהל רחב יותר, כולל אמנים עצמאיים ואולפנים קטנים, כך גם השימוש בהם.

קשה להתווכח על הקלות והמשתלמות שרבים מהכלים הללו מציעים.

שירותי מאסטרינג מקצועיים אינם נוחים לחלקם, ומדוע צריך להתקיים מחסום הכניסה ליצירתיות? במציאות, מאסטרינג AI מפלס את מגרש המשחק עבור מוזיקאים עצמאיים.

סביר להניח שנראה יותר ויותר פתרונות מבוססי ענן מופיעים ככל שיעבור הזמן, אם כי דבר אחד שלדעתנו יהיה הבולט ביותר הוא הגישה ההי ברידית.

מהנדסי מאסטרינג רבים מתחילים לשלב את המומחיות שלהם עם AI, ומאפשרים ל- AI לטפל במשימות טכניות ראשוניות, כך שיוכלו להתמקד בעידון יצירתי. אנשי מקצוע רבים בתעשייה תומכים במודל זה, ורואים ב- AI כלי לשיפור, במקום להחליף, את היצירתיות האנושית.

יש גם תקווה שמערכות AI יפתחו פרופילי משתמשים חזקים יותר שיכולים ללמוד ולהתאים להעדפותיהם של מהנדסים ואמנים ספציפיים, ויספקו הצעות מאסטרינג מותאמות אישית במיוחד.

האם AI יחליף מהנדסי שליטה אנושיים?

כפי שציינתי לאורך המאמר, יהיו מקרים שבהם שימוש בבינה מלאכותית בתהליך השליטה יהיה מתאים או מועיל יותר מאשר שכירת מהנדס מאסטרינג אנושי. אם יש לך תקציב, צריך מאסטר במהירות, או סתם רוצה לבדוק איך המיקס שלך עשוי להישמע כמוצר סופי, שימוש בשירות מאסטרינג AI כמו eMastered הוא בהחלט הדרך ללכת.

מצד שני, אם אתה רוצה שהגמישות תוכל לספק או לקבל משוב, או שאתה רוצה צליל אולטרה ספציפי, שעשוי להגיע ממערכת מסוימת של מאפיינים או ציוד אנלוגי, פנייה למהנדס מאסטרינג מיומן תהיה אפשרות טובה יותר.

אפילו בהמשך הדרך, אני לא מאמין ש- AI יחליף אי פעם את המאסטרינג המסורתי. במקום זאת, אני רואה עתיד שבו השניים עובדים זה לצד זה, ומאפשרים מחסום קטן יותר לכניסה לתעשיית המוזיקה.