Å lage musikk er en av de mest iboende menneskelige aktivitetene, med dype røtter i egenskaper som vi ofte ikke tilskriver kunstig intelligens, som følelser, kreativitet og personlig uttrykk. De siste årene har imidlertid kunstig intelligens (AI) dukket opp, ikke bare for å hjelpe oss i musikkproduksjonsprosessen, men for å overta visse oppgaver helt.

Faktisk har AI blitt så avansert at selv store selskaper som Sony og Warner Music Group utnytter denne teknologien gjennom plattformer som Endel og Magenta.

AI har sneglet seg inn i nesten alle aspekter av musikkskaping, fra tekstskriving til å sette sammen trap-beats, og nå er det i ferd med å bli en integrert del av masteringsprosessen for mange artister og produsenter.

Dette reiser et spennende spørsmål: Vil det fortsatt være behov for menneskelig ekspertise innen mastering, eller er vi på randen av at kunstig intelligens tar over helt og holdent?

I denne guiden utforsker vi den raske fremveksten av AI-mastering, dens nåværende innvirkning på bransjen, og hva fremtiden kan bringe for dette teknologiske vidunderet.

En kort historie om kunstig intelligens i musikkbransjen

Musikkbransjen er i konstant innovasjon og endring. Den utvikler seg kontinuerlig med ny teknologi som omformer hvordan musikk skapes, spilles inn og konsumeres. Selv før kunstig intelligens ble på alles lepper, fantes det andre teknologiske fremskritt som virket like skremmende eller forvirrende for kreative.

Hvis vi går tilbake til 1877, da Thomas Edison oppfant fonografen, var det første gang et apparat var i stand til både å ta opp og gjengi lyd. Da den ble introdusert, skapte den frykt for at liveopptredener ville bli overflødige, og at innspilt musikk kunne undergrave de levende musikernes kunstnerskap.

På 1930-tallet revolusjonerte den allmektige elektriske gitaren musikkens lydbilde for alltid. Tradisjonalistene var selvsagt bekymret for at den forsterkede lyden ville ødelegge de akustiske instrumentenes renhet og redusere ferdighetene som kreves for å spille musikk.

Folk fryktet fremveksten av flersporsinnspilling, som ville gjøre det mulig å manipulere musikk på kunstig vis, fremveksten av MIDI på 1980-tallet, som ville føre til en mekanisk, mindre menneskelig følelse i musikken, og eksplosjonen av digitale lydarbeidsstasjoner på 1990-tallet, som ville gjøre musikkproduksjon av høy kvalitet for tilgjengelig, oversvømme markedet med amatørmessig innhold og devaluere profesjonelle studioer.

Moralen er at denne frykten ikke er noe nytt.

AI begynte å gjøre seg gjeldende i musikken tidlig på 2000-tallet.

Et av de tidlige eksemplene var Googles Magenta, et forskningsprosjekt som utforsket hvordan kunstig intelligens kunne brukes til å skape musikk og kunst. Magentas AI-genererte komposisjoner demonstrerte potensialet for maskinlæring som hjelpemiddel i den kreative prosessen. IBMs Watson Beat ble også laget for å analysere sanger og skape ny musikk ved å prøve å forstå den emosjonelle intensjonen bak dem.

AI-algoritmer kunne etter hvert påta seg mer komplekse roller, og en av disse har blitt svært populær - AI-mastering.

Hva er målet med mestring?

For å forstå hvordan AI har vokst frem, må man først forstå årsaken til at man i det hele tatt begynte å mestre.

Det overordnede målet med mastering er å sørge for at et spor høres polert, profesjonelt og balansert ut, og at det er klart for distribusjon på ulike plattformer og avspillingssystemer.

Tenk på det som den endelige redigerings- og fargegraderingsprosessen i filmskaping. På samme måte som en filmklipper forbedrer de visuelle elementene og sørger for en konsekvent tone og kvalitet, vil en masteringstekniker finjustere den gitte lyden for å sikre klarhet, balanse og sammenheng.

Dessverre kan mastering også være ganske dyrt på grunn av ekspertisen som kreves og det avanserte utstyret som brukes.

Mange profesjonelle masteringstjenester kan koste fra $50 til $200 per spor, og i noen tilfeller enda mer for svært ettertraktede teknikere. Et helt album kan koste noen tusenlapper eller mer, og hvis du allerede har betalt for innspilling, produksjon og miksing, kan det være salt i såret.

Vi skal selvfølgelig være de første til å påpeke at kostnaden er helt berettiget.

Det gjenspeiler mange års erfaring, spesialiserte ferdigheter og toppmoderne teknologi som er involvert i prosessen. For småprodusenter og indieartister med begrensede budsjetter kan disse utgiftene imidlertid være uoverkommelige, noe som gjør tradisjonelle masteringstjenester mindre levedyktige for mange fremadstormende musikere.

Utviklingen innen AI-mastering de siste årene

I løpet av det siste tiåret har det dukket opp alternativer for mastering med automatisert og kunstig intelligens, noe som gir artister tilgang til profesjonelle mastere uten de høye kostnadene som er forbundet med menneskelige masteringsteknikere.

Disse AI-drevne tjenestene er et attraktivt alternativ for musikere som ønsker å ferdigstille låtene sine raskt og til en rimelig pris.

Noen AI-masteringsplattformer bruker signalkjeder som er utviklet av erfarne menneskelige ingeniører i løpet av flere år, og bruker velprøvde teknikker for å forbedre mikser som bygger på ekspertisen som er innebygd i programmeringen.

På den annen side bruker noen tjenester dyplæringsnettverk som analyserer store mengder lyddata over tid. Disse nettverkene lærer og tilpasser seg, og forbedrer kontinuerlig mestringsevnen sin basert på dataene de behandler.

Fremveksten av AI-lydmastering

Landr var en av de første AI-masteringstjenestene som kom på markedet i 2014.

Denne banebrytende plattformen var ment å gi artister en rimelig og effektiv måte å mastere låtene sine på ved hjelp av avanserte algoritmer.

Prosessen er enkel: Du laster opp miksen din, og Landrs AI analyserer og behandler lyden ved hjelp av EQ, komprimering og andre masteringsteknikker for å forbedre sporet. Resultatet er en polert, profesjonelt klingende master som er klar for distribusjon.

Folk ble imidlertid raskt klar over at hvis de ikke var helt fornøyde med Landrs resultater, var det en begrensning: Du kan ikke be den kunstige intelligensen om å finjustere lyden på samme måte som du ville gjort med en menneskelig masteringstekniker.

Den kunstige intelligensen bruker en standardisert prosess som kanskje ikke tar hensyn til alle artisters unike preferanser. Til tross for dette forbedres Landrs algoritme kontinuerlig for hver sang som lastes opp på plattformen, og den lærer og tilpasser seg for å gi bedre resultater over tid.

eMastereds AI-mastringsalgoritme ble lansert kort tid etter Landr og gjorde seg bemerket med en annerledes tilnærming til AI-mastring.

eMastered ble grunnlagt av den Grammy-belønte miksing- og masteringteknikeren Smith Carlson og den elektroniske musikkartisten Collin McLoughlin, og kombinerer dyp bransjeekspertise med banebrytende teknologi. I motsetning til Landr gir eMastered brukerne mer kontroll over den endelige masteren, med mulighet for å justere kompressorintensitet, EQ-innstillinger, volum og stereobredde.

Brukerne kan til og med laste opp et referansespor som veiledning i masteringsprosessen, slik at sluttproduktet blir i tråd med deres kunstneriske visjon.

Hvorfor er AI-masteringstjenester så populære?

Det er flere grunner til at AI-masteringstjenester blir mer populære enn de noen gang har vært, særlig ettersom de fortsetter å utvikle seg til mer avanserte og tilgjengelige verktøy.

• Gratis forhåndsvisninger: Mange AI-masteringstjenester lar deg forhåndsvise de mastererte sporene dine uten kostnad, slik at du kan avgjøre om tjenesten oppfyller forventningene dine før du forplikter deg økonomisk.
• Billig, fleksibel prising: Sammenlignet med tradisjonell mastering er AI-mastering generelt rimeligere.
• Praktisk og effektivt: AI-algoritmer kan behandle spor i løpet av få minutter, noe som gir en langt raskere behandlingstid enn menneskelige masteringteknikere. Artister kan ferdigstille prosjektene sine raskt uten å måtte vente i dager eller uker på å få resultater.
• Mastering av høy kvalitet: Til tross for lavere kostnader og raskere prosessering leverer dagens AI-masteringstjenester polerte spor av høy kvalitet som oppfyller kommersielle standarder i musikkbransjen, klare for utgivelse på alle plattformer.
• Kreativ kontroll: Tjenester som eMastered gir brukerne omfattende kontroll over masteringsprosessen, slik at de kan justere kompressorintensitet, EQ-innstillinger, volum og stereobredde. Selv om du kanskje ikke kan gjøre like nyanserte justeringer som med en menneskelig tekniker, gjør denne ekstra tilpasningsmuligheten det enklere å sikre at den endelige masteren er i tråd med visjonen din.
• Referansespor: Flere AI-mastringsverktøy og -tjenester gjør det mulig å laste opp eller importere et referansespor som kan fungere som en guide for mastringsalgoritmen for å oppnå en lyd som ligner på referansen.

Selv med de mange fordelene med AI-verktøy i mastering er prosessen selvfølgelig ikke en erstatning for en dyktig masteringingeniør, noe som bringer oss til det som kanskje er det viktigste spørsmålet.

Vil AI-mastering ta jobbene til menneskelige mastering-ingeniører?

Etter hvert som AI-masteringstjenestene fortsetter å utvikle seg, er det mange som er bekymret for at de vil eliminere behovet for menneskelige ingeniører. Selv om bekymringen er berettiget, er den ikke unik for musikkbransjen. Faktisk er den et ekko i flere bransjer der kunstig intelligens er på full fart inn, for eksempel innen kundeservice, produksjon og til og med journalistikk.

Så har vi noen musikere som tar oppgangen uten å bekymre seg nevneverdig.

Den britiske miksing- og masteringteknikeren Streaky bemerket en gang at AI-mastering kan sammenlignes med å kjøpe en dress fra hylla kontra å få en skreddersydd dress som er tilpasset dine nøyaktige mål.

Selv om noen alltid vil foretrekke den ekstra omsorgen og tilpasningen som en menneskelig masteringstekniker tilbyr, er det billigere og raskere alternativet med AI-mastering mer fornuftig for mange. Det er en praktisk løsning som oppfyller behovene deres uten å ruinere banken.

Selv om AI-mastering er ment å være et verdifullt verktøy for mange musikere, bør det utfylle snarere enn erstatte menneskelig ekspertise. Det menneskelige aspektet ved mastering - å forstå artistens visjon, gjøre nyanserte justeringer og tilføre et unikt kreativt perspektiv - er uerstattelig.

eMastereds Collin McLoughlin sa det best:

"Snarere enn å erstatte jobber eller forstyrre en bransje, ser vi på oss selv som et nytt marked, slik at folk som i dag ikke har mulighet til å få kvalitetsmastring, endelig får muligheten til det. For den absolutt beste mastringen vil imidlertid en tradisjonell masteringstekniker alltid være det ultimate alternativet."

Et samarbeid mellom menneskelig kreativitet og kunstig intelligens

Fremtidens mestring vil sannsynligvis være et samarbeid mellom mennesker og kunstig intelligens, der man kombinerer styrken til begge for å oppnå de beste resultatene.

En ingeniør kan for eksempel la AI ta seg av de innledende fasene av mastringen, som å bruke grunnleggende EQ, komprimering og andre standardjusteringer, noe som kan spare tid og sikre konsistens.

Derfra kan menneskelige ingeniører ta over, legge til sitt unike preg og ta nyanserte avgjørelser som krever kreativ intuisjon og en dyp forståelse av musikkens emosjonelle kontekst.

Med en slik inndeling vil rollene gi en mer effektiv prosess, samtidig som man opprettholder det høye nivået av kunstnerisk utførelse og tilpasning som kunstnere ønsker fra menneskelige ingeniører.

AI-mastering kan også fungere som et verdifullt læringsverktøy for ambisiøse masteringteknikere.

Ved å analysere hvordan AI behandler og justerer spor, kan nybegynnere få innsikt i de tekniske aspektene ved mastering.

Avsluttende tanker

Det er vanskelig å benekte det seismiske skiftet i bruken av kunstig intelligens i musikk, fra å skrive akkordprogresjoner til å generere fullverdige låter. AI-mastering er bare ett av verktøyene som blir mer og mer tilgjengelige for kreative kunstnere.

Det gir tilgjengelighet, konsistens og effektivitet, og gjør det mulig for stadig flere, som kanskje aldri hadde drømt om å sende låtene sine til dyktige masteringsteknikere eller masteringfirmaer, å gi ut radioklar musikk.

Det innebærer selvfølgelig også en utfordring, nemlig hvordan masteringingeniørene skal tilpasse seg og samarbeide med AI og maskinlæring, i stedet for å kjempe mot det. Etter hvert som teknologien fortsetter å utvikle seg, vil også måten vi lager og lytter til musikk på, gjøre det, og vi kan bare håpe at nye nivåer av innovasjon og samarbeid gjør bransjen mer dynamisk enn noensinne.