AI tampaknya ada di mana-mana akhir-akhir ini. Dari penulisan hingga jurnalisme hingga seni dan lainnya, AI membuat lompatan yang signifikan dalam beberapa bidang yang berbeda. Tentu saja, siapa pun yang bekerja di bidang musik tahu bahwa AI juga membuat gebrakan besar dalam musik, terutama dalam hal mastering.

Mastering AI hadir dengan beberapa keuntungan besar seperti lebih cepat, lebih konsisten, dan lebih mudah diakses daripada mempekerjakan insinyur mastering manusia, yang benar-benar mulai mengguncang, yang menimbulkan pertanyaan, seperti apa masa depan mastering di dunia yang didominasi oleh AI?

Dalam artikel ini, kita akan melihat bagaimana AI mengubah penguasaan, tantangan yang dihadapinya, apa yang dapat dilakukannya, dan ke mana arahnya di masa depan.

Kondisi Penguasaan Saat Ini

Mastering mungkin merupakan salah satu langkah yang paling penting dalam proses produksi musik.

Sebelum musik Anda sampai ke seluruh dunia, musik Anda akan sampai ke telinga penjaga gerbang terakhir, yang akan menyempurnakan dan memolesnya untuk memastikan musik Anda terdengar paling baik di semua sistem pemutaran.

Mastering, seperti yang kita ketahui, ditangani oleh para insinyur mastering yang terampil, yang menggunakan kombinasi yang kuat dari pengalaman, peralatan berkualitas tinggi, dan perangkat lunak khusus untuk meningkatkan kualitas suara campuran secara keseluruhan, memastikan konsistensi antara trek dalam album, dan menyiapkan audio untuk didistribusikan.

Metode mastering "tradisional" ini muncul pada pertengahan abad ke-20 dan menjadi lebih jelas dengan munculnya piringan hitam pada akhir tahun 1940-an dan 1950-an, ketika para insinyur mulai berfokus untuk mengoptimalkan suara untuk piringan hitam.

Banyak yang menganggap Sterling Sound sebagai mastering house pertama yang sah, yang didirikan pada tahun 1968 di New York City. Dalam banyak hal, Sterling Sound telah menetapkan standar industri melalui kerja sama dengan banyak artis ternama, termasuk The Beatles, Led Zeppelin, U2, Queen, Nirvana, Coldplay, Adele, dan masih banyak lagi.

Tentu saja, sejak mastering diperkenalkan pada abad ke-20, banyak hal yang telah berubah.

Selama sekitar satu dekade terakhir, ada beberapa perkembangan penting dalam AI Mastering.

Sebagai permulaan, musisi sekarang memiliki akses ke beberapa layanan mastering otomatis, eMastered adalah salah satu yang terbesar. Platform ini menawarkan layanan mastering AI online yang memberikan hasil instan. Sebagai seorang musisi, Anda cukup mengunggah lagu Anda dan mendapatkan versi master dalam hitungan menit.

Keindahan AI dalam mastering adalah bahwa hampir semua orang dapat menghasilkan suara berkualitas tinggi tanpa memerlukan waktu studio yang mahal. Namun demikian, hal ini juga menimbulkan pertanyaan tentang peran insinyur manusia di masa depan dan potensi AI untuk benar-benar memahami dan meniru kehalusan artistik yang datang dengan sentuhan manusia.

Sebelum kita membahasnya, penting untuk memahami bagaimana layanan penguasaan AI berkembang.

Penggunaan AI yang Terus Berkembang Dalam Penguasaan

Teknologi AI telah membuat langkah yang signifikan dalam beberapa tahun terakhir, dan banyak perusahaan menggunakan algoritma pembelajaran mesin yang inovatif, jaringan saraf, dan pembelajaran mendalam untuk membantu AI melakukan tugas pemrosesan audio yang kompleks dengan efisiensi yang luar biasa.

Algoritme pembelajaran mesin sangat baik dalam mengenali pola dalam set data yang besar.

Dalam mastering, algoritme ini diumpankan sejumlah besar data musik untuk dianalisis guna memahami karakteristik trek yang dikuasai dengan baik. Hasilnya, mereka memiliki kemampuan untuk mengidentifikasi pengaturan optimal untuk EQ, kompresi, dan alat pemrosesan audio lainnya berdasarkan pola yang telah mereka pelajari.

Algoritme ini juga memiliki kemampuan untuk beradaptasi dengan genre dan gaya musik yang berbeda-beda. Jika Anda mengunggah trek dubstep modern ke platform mastering AI, ini akan membuat penyesuaian khusus genre untuk memastikan hasil mastering mempertahankan gaya artistik yang diinginkan.

Kami juga memiliki jaringan saraf, yang cukup efektif dalam memproses hubungan yang rumit antara karakteristik audio yang berbeda, seperti frekuensi, amplitudo, dan fase.

Terakhir, kami memiliki model pembelajaran mendalam, yang menggunakan informasi yang lebih canggih yang ditemukan dalam jaringan saraf tiruan.

Di eMastered, kami menggunakan model pembelajaran mendalam yang dilatih pada beragam trek yang dikuasai secara profesional untuk membuat penyesuaian yang tepat pada EQ, kompresi, dan pencitraan stereo.

Ada beberapa manfaat menggunakan layanan penguasaan AI seperti eMastered, antara lain:

• Efisiensi: Platform yang digerakkan oleh AI dapat menguasai trek dalam waktu yang sangat singkat dari waktu yang dibutuhkan oleh seorang insinyur manusia, sehingga ideal untuk perputaran yang cepat.
• Aksesibilitas: Platform ini memberikan hasil berkualitas tinggi dengan biaya yang lebih rendah, yang sangat bermanfaat bagi artis indie.
• Konsistensi: Dengan ketergantungan penuh pada pola dan data yang dipelajari, platform penguasaan AI menawarkan kualitas yang konsisten. Tidak seperti insinyur manusia, mereka tidak akan memiliki "hari libur".

Tentu saja, perlu disebutkan bahwa manfaat-manfaat ini memiliki tantangan yang berlawanan.

Tantangan Masa Depan untuk Penguasaan AI

Tidak diragukan lagi bahwa banyak layanan pembuatan musik AI yang bekerja dengan sangat baik. Namun, bukan berarti mereka sempurna, dan bahkan sebagai perusahaan yang telah mengembangkan algoritme penguasaan AI yang sukses, kami merasa bahwa yang terbaik adalah bersikap transparan mengenai tantangan-tantangan tersebut.

Kekhawatiran Tentang AI yang Menggantikan Insinyur yang Menguasai Manusia

Salah satu tantangan utama dalam penguasaan AI adalah pemikiran bahwa kita mungkin akan kehilangan sentuhan manusia.

Saya mengenal banyak insinyur ahli yang telah bekerja dan belajar selama bertahun-tahun agar dapat menghadirkan banyak pengalaman, intuisi, dan kepekaan artistik. Mereka hebat dalam apa yang mereka lakukan dan dapat membuat keputusan subjektif yang mencerminkan gaya pribadi mereka dan visi seniman.

Catatan tentang "gaya" adalah kuncinya, karena, seperti halnya produser dan pembuat beat yang memiliki karakteristik yang mudah dikenali, begitu juga dengan banyak mastering engineer.

AI, meskipun sangat efisien, masih kurang memiliki kemampuan untuk memahami nuansa emosional dan kreatif dari musik. AI hanya mengetahui apa yang diajarkan kepadanya, dan tidak dapat membuat keputusan berdasarkan hal yang tidak ada dalam pemrogramannya. Akibatnya, banyak orang khawatir bahwa musik pada akhirnya akan mencapai kondisi homogen, di mana semua jenis musik terdengar sama.

Jika kita terlalu bergantung pada AI, kita tidak akan mendapatkan karakter dan jiwa yang unik yang dapat diberikan oleh seorang insinyur yang terampil ke dalam sebuah lagu.

Kekhawatiran Tentang Keterbatasan Teknis

AI telah mengalami kemajuan teknis yang cukup pesat selama bertahun-tahun, meskipun masih ada beberapa keterbatasan yang terkenal.

Beberapa algoritme AI, misalnya, dapat mengalami kesulitan dengan lagu yang memiliki struktur tidak konvensional atau elemen audio yang sangat kompleks. Sebagai contoh, mari kita ambil trek rock yang lebih eksperimental yang memiliki semua elemen lagu rock tradisional, kecuali bass synth yang menggemuruh yang seharusnya berfungsi sebagai fondasi elektronik yang kokoh untuk sisa lagu.

AI tidak akan dapat membedakan perbedaan antara bass sintetis, bass biasa, atau instrumen kelas bawah lainnya dalam hal ini. AI mungkin bisa menebak dengan baik, dan mungkin saja benar, tetapi tidak ada cara untuk memastikannya.

Dengan mempertimbangkan fakta bahwa algoritme mastering AI mungkin mengira bahwa ini adalah track rock tradisional, algoritme ini akan memadukannya seperti track rock lainnya, mengompresi low-end dan mendorongnya kembali untuk memberikan ruang bagi ketebalan mid bawah dan pukulan drum. Tentu saja, dari sudut pandang visi artistik Anda, Anda mungkin ingin lagu tersebut lebih dikuasai seperti lagu EDM atau hip-hop.

Meskipun Anda dapat memberikan saran menyeluruh pada beberapa platform penguasaan AI, namun pada akhirnya, insinyur manusia adalah satu-satunya yang dapat membuat penyesuaian yang sangat halus berdasarkan telinga mereka yang terlatih dan niat artistik tertentu.

Kami berharap di masa depan, sistem AI dapat dilatih di luar data yang ada agar dapat beradaptasi dengan baik pada genre atau gaya yang sama sekali baru dan menyimpang secara signifikan dari biasanya.

Kekhawatiran Tentang Peran AI dalam Industri Kreatif

Terakhir, dan untuk alasan yang baik, munculnya AI dalam penguasaan menimbulkan banyak kekhawatiran tentang perpindahan pekerjaan.

AI dapat menangani beberapa tugas teknis dalam sekejap, dan dengan biaya yang lebih murah, yang pada akhirnya mengurangi kebutuhan akan teknisi manusia.

Namun, AI juga dapat menciptakan peluang baru. Sebagai contoh, AI dapat membebaskan seorang mastering engineer untuk lebih fokus pada aspek kreatif dan tidak terlalu banyak melakukan tugas yang berulang-ulang, seperti normalisasi kenyaringan atau pengurangan kebisingan.

Sekarang, kami akan menjadi orang pertama yang mengatakan bahwa kami tidak pernah berpikir bahwa AI akan sepenuhnya menggantikan proses penguasaan manusia.

Ini adalah proses yang jauh lebih bernuansa daripada yang diyakini banyak orang. Sebagai contoh, AI tidak akan tahu bahwa intro, bait, atau reff memerlukan perlakuan yang berbeda, karena AI tidak akan dapat membedakan bagian-bagian yang berbeda dari lagu tersebut. AI juga tidak akan bisa menebak apakah klik atau bunyi pop di dalam campuran akhir Anda memang benar-benar ada di sana atau tidak sengaja.

Seorang insinyur mastering yang sebenarnya mungkin akan menelepon Anda dan berkata, "Hei, jika Anda ingin hasil terbaik, bounce mix lagi dan atasi masalah ini."

Seperti Apa Penguasaan AI di Masa Depan?

Seiring dengan semakin mudahnya alat bantu penguasaan AI diakses oleh khalayak yang lebih luas, termasuk seniman independen dan studio kecil, begitu pula dengan penggunaannya.

Sulit untuk membantah kemudahan dan keterjangkauan yang ditawarkan oleh banyak alat ini.

Layanan mastering profesional tidak terjangkau oleh sebagian orang, dan mengapa halangan untuk masuk ke dalam kreativitas harus ada? Pada kenyataannya, mastering AI menyamakan kedudukan bagi para musisi independen.

Kita mungkin akan melihat semakin banyak solusi berbasis cloud yang muncul seiring berjalannya waktu, meskipun satu hal yang kami yakini akan menjadi yang paling menonjol adalah pendekatan hibrida.

Banyak insinyur ahli yang mulai menggabungkan keahlian mereka sendiri dengan AI, memungkinkan AI untuk menangani tugas-tugas teknis awal, sehingga mereka dapat fokus pada penyempurnaan kreatif. Banyak profesional industri yang mendukung model ini, memandang AI sebagai alat untuk meningkatkan, bukan menggantikan, kreativitas manusia.

Ada juga harapan bahwa sistem AI akan mengembangkan profil pengguna yang lebih kuat, yang dapat belajar dan beradaptasi dengan preferensi insinyur dan artis tertentu, memberikan saran penguasaan yang sangat disesuaikan.

Akankah AI Menggantikan Insinyur yang Menguasai Manusia?

Seperti yang saya sebutkan di sepanjang artikel ini, akan ada beberapa contoh di mana menggunakan kecerdasan buatan dalam proses mastering akan lebih cocok atau bermanfaat daripada mempekerjakan insinyur mastering manusia. Jika Anda memiliki anggaran terbatas, membutuhkan master dengan cepat, atau hanya ingin menguji seperti apa hasil akhir dari campuran Anda, menggunakan layanan mastering AI seperti eMastered adalah pilihan yang tepat.

Di sisi lain, jika Anda menginginkan fleksibilitas untuk dapat memberikan atau menerima umpan balik, atau Anda menginginkan suara yang sangat spesifik, yang mungkin berasal dari seperangkat karakteristik atau peralatan analog tertentu, memilih mastering engineer yang terampil akan menjadi pilihan yang lebih baik.

Bahkan di masa depan, saya tidak percaya bahwa AI akan menggantikan mastering tradisional. Sebaliknya, saya membayangkan masa depan di mana keduanya bekerja berdampingan, sehingga memungkinkan penghalang yang lebih kecil untuk masuk ke dalam industri musik.