AI lijkt tegenwoordig overal te zijn. Van schrijven tot journalistiek tot kunst en nog veel meer, het maakt een grote sprong voorwaarts op verschillende gebieden. Natuurlijk weet iedereen die in de muziek werkt dat het ook in de muziek een grote sprong voorwaarts maakt, vooral bij mastering.
AI mastering heeft een aantal grote voordelen, zoals dat het sneller, consistenter en gemakkelijker toegankelijk is dan het inhuren van een menselijke mastering engineer, wat de zaken echt begint op te schudden, wat de vraag oproept hoe de toekomst van mastering eruitziet in een wereld waarin AI de boventoon voert?
In dit artikel bekijken we hoe AI mastering verandert, met welke uitdagingen het te maken heeft, wat het kan en waar het in de toekomst naartoe gaat.
De huidige staat van Mastering
Mastering is misschien wel een van de meest kritieke stappen in het muziekproductieproces.
Voordat je muziek de wereld in gaat, bereikt het de oren van de laatste poortwachter, die de muziek aanpast en polijst om ervoor te zorgen dat het op alle afspeelsystemen optimaal klinkt.
Mastering, zoals wij dat kennen, wordt gedaan door ervaren masteringtechnici die een krachtige combinatie van ervaring, hoogwaardige apparatuur en gespecialiseerde software gebruiken om de algehele geluidskwaliteit van mixen te verbeteren, consistentie tussen tracks op een album te garanderen en de audio klaar te maken voor distributie.
Deze "traditionele" masteringmethode ontstond in het midden van de 20e eeuw en werd meer gedefinieerd met de komst van de LP aan het eind van de jaren 1940 en 1950, toen technici zich gingen richten op het optimaliseren van het geluid voor vinylplaten.
![](https://static.emastered.com/images/blog-assets/7218.webp?v=1720130289)
Velen beschouwen Sterling Sound als het eerste echte masteringhuis, dat in 1968 werd opgericht in New York City. Het zette in veel opzichten de standaard in de industrie door te werken met veel bekende artiesten, waaronder The Beatles, Led Zeppelin, U2, Queen, Nirvana, Coldplay, Adele en nog veel meer.
Natuurlijk is er sinds de introductie van mastering in de 20e eeuw veel veranderd.
In de afgelopen tien jaar zijn er enkele belangrijke ontwikkelingen geweest in AI Mastering.
Om te beginnen hebben muzikanten nu toegang tot verschillende geautomatiseerde masteringdiensten, waarvan eMastered een van de grootste is. Deze platforms bieden online AI-masteringdiensten die direct resultaat opleveren. Als muzikant kun je gewoon je tracks uploaden en binnen een paar minuten gemasterde versies krijgen.
Het mooie van AI in mastering is dat bijna iedereen geluid van hoge kwaliteit kan bereiken zonder dure studiotijd nodig te hebben. Het roept echter ook vragen op over de toekomstige rol van menselijke technici en het potentieel van AI om de artistieke subtiliteiten van menselijk werk echt te begrijpen en te reproduceren.
Voordat we daar dieper op ingaan, is het belangrijk om te begrijpen hoe AI-masteringdiensten zich ontwikkelen.
Het steeds veranderende gebruik van AI in Mastering
AI-technologie heeft de afgelopen jaren grote vooruitgang geboekt en veel bedrijven maken gebruik van innovatieve algoritmen voor machinaal leren, neurale netwerken en deep learning om AI te helpen complexe audioverwerkingstaken met opmerkelijke efficiëntie uit te voeren.
Algoritmen voor machinaal leren blinken uit in het herkennen van patronen in grote datasets.
Bij mastering worden deze algoritmes gevoed met een enorme hoeveelheid muziekgegevens die ze analyseren om de kenmerken van goed gemasterde tracks te begrijpen. Als gevolg daarvan kunnen ze optimale instellingen voor EQ, compressie en andere audiobewerkingstools identificeren op basis van patronen die ze hebben geleerd.
Deze algoritmes kunnen zich ook aanpassen aan verschillende genres en muziekstijlen. Als je een moderne dubstep track uploadt naar een AI mastering platform, zal het genre-specifieke aanpassingen maken om ervoor te zorgen dat de gemasterde output de bedoelde artistieke stijl behoudt.
![](https://static.emastered.com/images/blog-assets/7217.webp?v=1720130285)
We hebben ook neurale netwerken, die zeer effectief zijn in het verwerken van de complexe relaties tussen verschillende audiokenmerken, zoals frequentie, amplitude en fase.
Tot slot hebben we deep learning-modellen, die meer geavanceerde informatie gebruiken die te vinden is in kunstmatige neurale netwerken.
Hier bij eMastered gebruiken we deep learning-modellen die zijn getraind op een diverse set professioneel gemasterde tracks om nauwkeurige aanpassingen te maken aan EQ, compressie en stereobeeld.
Er zijn verschillende voordelen aan het gebruik van AI masteringdiensten zoals eMastered, waaronder:
- Efficiëntie: AI-gestuurde platforms kunnen tracks aan in een fractie van de tijd die een menselijke ingenieur nodig zou hebben, waardoor ze ideaal zijn voor snelle turnarounds.
- Toegankelijkheid: Deze platforms bieden resultaten van hoge kwaliteit tegen lagere kosten, wat vooral gunstig is voor indie-artiesten.
- Consistentie: Omdat ze volledig vertrouwen op aangeleerde patronen en gegevens, bieden AI-platforms voor mastering consistente kwaliteit. In tegenstelling tot een menselijke technicus hebben ze geen "off days".
Het is natuurlijk de moeite waard om te vermelden dat deze voordelen ook uitdagingen met zich meebrengen.
Toekomstige uitdagingen voor AI-beheer
Het lijdt geen twijfel dat veel AI-services voor het maken van muziek uitstekend werken. Dat betekent echter niet dat ze perfect zijn, en zelfs als bedrijf dat een succesvol AI mastering-algoritme heeft ontwikkeld, vinden we dat het het beste is om transparant te zijn over die uitdagingen.
Zorgen over het vervangen van menselijke master-engineers door AI
Een van de belangrijkste uitdagingen van AI in het beheersen is de gedachte dat we de menselijke maat kunnen verliezen.
Ik ken veel mastering engineers die jarenlang hebben gewerkt en gestudeerd om een schat aan ervaring, intuïtie en artistieke gevoeligheid te kunnen inbrengen. Ze zijn goed in wat ze doen en kunnen subjectieve beslissingen nemen die hun persoonlijke stijl en de visie van de artiest weerspiegelen.
De opmerking over "stijl" is belangrijk, want net zoals producers en beatmakers hun eigen herkenbare kenmerken hebben, hebben veel mastering engineers dat ook.
AI is weliswaar zeer efficiënt, maar heeft nog steeds niet het vermogen om de emotionele en creatieve nuances van muziek te begrijpen. Het weet alleen wat het is geleerd en kan geen beslissingen nemen die niet zijn ingebouwd in de programmering. Als gevolg hiervan zijn veel mensen bang dat muziek uiteindelijk een homogene staat zal bereiken, waar alles, nou ja, hetzelfde klinkt.
Als we te veel op AI vertrouwen, krijgen we niet het unieke karakter en de ziel die een ervaren technicus in een nummer kan leggen.
Zorgen over technische beperkingen
AI heeft in de loop der jaren heel wat technische vooruitgang geboekt, maar er zijn nog steeds een aantal bekende beperkingen.
Sommige AI-algoritmen kunnen bijvoorbeeld moeite hebben met nummers met onconventionele structuren of zeer complexe audio-elementen. Laten we bijvoorbeeld een meer experimenteel rocknummer nemen dat alle elementen van een traditioneel rocknummer heeft, behalve een knarsende synthbas die als solide elektronische basis voor de rest van het nummer moet dienen.
AI zal niet in staat zijn om het verschil te zien tussen die synth bas, een gewone bas, of welk ander low-end instrument dan ook. Misschien kan het een goede gok doen en heeft het gelijk, maar er is geen manier om dat te garanderen.
Rekening houdend met het feit dat een AI masteringalgoritme zou kunnen denken dat het een traditionele rocktrack is, zou het mixen als elke andere rocktrack, waarbij het laag wordt gecomprimeerd en teruggeduwd om ruimte te maken voor de dikte van de lagere middentonen en de punch van de drums. Vanuit het standpunt van je artistieke visie wil je natuurlijk misschien dat het gemastered wordt als een EDM- of hiphopnummer.
Hoewel je overkoepelende suggesties kunt doen op sommige AI-masteringplatforms, zijn menselijke technici uiteindelijk de enigen die uiterst subtiele aanpassingen kunnen doen op basis van hun getrainde oren en specifieke artistieke bedoelingen.
We hopen dat AI-systemen in de toekomst verder kunnen worden getraind dan bestaande gegevens om zich goed aan te passen aan geheel nieuwe genres of stijlen die sterk afwijken van de norm.
Zorgen over de rol van AI in de creatieve industrie
Tot slot, en dat is niet voor niets, geeft de opkomst van AI in mastering aanleiding tot veel zorgen over de verplaatsing van banen.
AI kan verschillende technische taken in een oogwenk en tegen een fractie van de kosten uitvoeren, waardoor er uiteindelijk minder menselijke technici nodig zijn.
Het kan echter ook nieuwe kansen creëren. AI kan bijvoorbeeld een mastering engineer vrijmaken om zich meer te richten op creatieve aspecten en minder op repetitieve taken zoals loudness normalisatie of ruisonderdrukking.
We zullen de eerste zijn om te zeggen dat we niet denken dat AI het menselijke masteringproces ooit volledig zal vervangen.
Het is een veel genuanceerder proces dan velen denken. Een AI zal bijvoorbeeld niet weten dat een intro, couplet of refrein een verschillende behandeling vereisen, omdat hij die verschillende delen van de track niet kan onderscheiden. Het zal ook niet kunnen raden of die klikken of knallen in je eindmix er echt horen of per ongeluk zijn achtergelaten.
Een echte mastering engineer zou je waarschijnlijk bellen en zeggen: "Hé, als je de beste resultaten wilt, bounce de mix dan opnieuw en zorg voor deze problemen."
Hoe ziet AI Mastering er in de toekomst uit?
Naarmate AI mastering tools toegankelijker worden voor een breder publiek, inclusief onafhankelijke artiesten en kleine studio's, zal ook het gebruik ervan toenemen.
Er valt moeilijk te twisten over het gemak en de betaalbaarheid die veel van deze tools bieden.
Professionele masteringdiensten zijn voor sommigen niet betaalbaar en waarom zou die barrière voor creativiteit moeten bestaan? In werkelijkheid maakt AI mastering het speelveld voor onafhankelijke muzikanten gelijk.
Naarmate de tijd verstrijkt, zullen we waarschijnlijk meer en meer cloud-gebaseerde oplossingen zien verschijnen, hoewel we denken dat de hybride aanpak het meest prominent zal zijn.
Veel mastering engineers beginnen hun eigen expertise te combineren met AI, waarbij ze AI de eerste technische taken laten uitvoeren zodat zij zich kunnen richten op creatieve verfijning. Veel professionals uit de industrie ondersteunen dit model en zien AI als een hulpmiddel om de menselijke creativiteit te versterken in plaats van te vervangen.
Er is ook hoop dat AI-systemen sterkere gebruikersprofielen zullen ontwikkelen die kunnen leren en zich kunnen aanpassen aan de voorkeuren van specifieke technici en artiesten, zodat ze mastering-suggesties op maat kunnen bieden.
Zal AI menselijke meester-ingenieurs vervangen?
Zoals ik in het artikel al aangaf, zullen er gevallen zijn waarin het gebruik van kunstmatige intelligentie in het masteringproces geschikter of voordeliger is dan het inhuren van een menselijke mastering engineer. Als je een budget hebt, snel een master nodig hebt, of gewoon wilt uitproberen hoe je mix zou kunnen klinken als een afgewerkt product, is het gebruik van een AI mastering service zoals eMastered zeker de manier om te gaan.
Aan de andere kant, als je de flexibiliteit wilt hebben om feedback te geven of te ontvangen, of als je een ultra-specifiek geluid wilt dat afkomstig kan zijn van een bepaalde set karakteristieken of analoge apparatuur, dan zou het een betere optie zijn om met een ervaren mastering engineer in zee te gaan.
Ik geloof niet dat AI ooit de traditionele mastering zal vervangen. In plaats daarvan zie ik een toekomst waarin de twee naast elkaar werken, waardoor de drempel om de muziekindustrie binnen te komen kleiner wordt.