AI verkar finnas överallt nuförtiden. Från skrivande till journalistik till konst och mycket mer - AI tar ett stort kliv framåt inom flera olika områden. Alla som arbetar med musik vet förstås att AI gör stora framsteg även inom musiken, särskilt inom mastering.

AI-mastering kommer med några fantastiska förmåner som att vara snabbare, mer konsekvent och mer lättillgänglig än att anställa en mänsklig masteringingenjör, vilket verkligen börjar skaka om saker och ting, vilket väcker frågan, hur ser framtiden för mastering ut i en AI-dominerad värld?

I den här artikeln tar vi en titt på hur AI förändrar mastering, vilka utmaningar det står inför, vad det kan göra och vart det är på väg i framtiden.

Det aktuella läget för mastering

Mastering är kanske ett av de mest kritiska stegen i musikproduktionsprocessen.

Innan din musik når ut i världen, når den öronen på den slutliga gatekeepern, som justerar och polerar den för att se till att den låter bäst i alla uppspelningssystem.

Mastering, som vi känner det, hanteras av skickliga masteringstekniker, som använder en kraftfull kombination av erfarenhet, högkvalitativ utrustning och specialiserad programvara för att förbättra den övergripande ljudkvaliteten på mixar, säkerställa konsistens mellan spår på ett album och förbereda ljudet för distribution.

Den här "traditionella" mastringsmetoden uppstod i mitten av 1900-talet och blev mer definierad i och med LP-skivans intåg i slutet av 1940-talet och 1950-talet, då ingenjörerna började fokusera på att optimera ljudet för vinylskivor.

Många anser att Sterling Sound var det första legitima masteringhuset, som grundades 1968 i New York City. På många sätt satte det branschstandarder genom att arbeta med många högprofilerade artister, inklusive The Beatles, Led Zeppelin, U2, Queen, Nirvana, Coldplay, Adele och så många fler.

Sedan mastering introducerades på 1900-talet har naturligtvis mycket förändrats.

Under det senaste decenniet har det skett en del viktiga utvecklingar inom AI Mastering.

Till att börja med har musiker nu tillgång till flera automatiserade masteringstjänster, eMastered är en av de största. Dessa plattformar erbjuder online AI-masteringstjänster som ger omedelbara resultat. Som musiker kan du helt enkelt ladda upp dina spår och få mastrade versioner på några minuter.

Det fina med AI inom mastering är att nästan vem som helst kan uppnå högkvalitativt ljud utan att behöva dyr studiotid. Men det väcker också frågor om den mänskliga ingenjörens framtida roll och potentialen för AI att verkligen förstå och återskapa de konstnärliga finesser som kommer med mänsklig beröring.

Innan vi går in på det är det viktigt att förstå hur AI-masteringstjänster utvecklas.

Den ständigt utvecklande användningen av AI i mastering

AI-tekniken har gjort stora framsteg under de senaste åren och många företag använder innovativa maskininlärningsalgoritmer, neurala nätverk och djupinlärning för att hjälpa AI att utföra komplexa ljudbehandlingsuppgifter med anmärkningsvärd effektivitet.

Algoritmer för maskininlärning är utmärkta på att känna igen mönster i stora datamängder.

Vid mastring matas dessa algoritmer med en stor mängd musikdata som de analyserar för att förstå vad som kännetecknar välmastrade spår. På så sätt kan de identifiera optimala inställningar för EQ, komprimering och andra ljudbehandlingsverktyg baserat på de mönster de har lärt sig.

Dessa algoritmer har också förmågan att anpassa sig till olika genrer och musikstilar. Om du laddar upp ett modernt dubstepspår till en AI-masteringsplattform kommer den att göra genrespecifika justeringar för att säkerställa att den mastrade produktionen behåller den avsedda konstnärliga stilen.

Vi har också neurala nätverk, som är ganska effektiva när det gäller att bearbeta de komplexa förhållandena mellan olika ljudegenskaper, t.ex. frekvens, amplitud och fas.

Slutligen har vi modeller för djupinlärning, som använder mer avancerad information som finns i artificiella neurala nätverk.

Här på eMastered använder vi djupinlärningsmodeller som tränats på en mängd olika professionellt mastrade spår för att göra exakta justeringar av EQ, komprimering och stereobilder.

Det finns flera fördelar med att använda AI-masteringstjänster som eMastered, bland annat

• Effektivitet: AI-drivna plattformar kan hantera spår på en bråkdel av den tid det skulle ta för en mänsklig ingenjör, vilket gör dem idealiska för snabba omställningar.
• Tillgänglighet: Dessa plattformar ger högkvalitativa resultat till en lägre kostnad, vilket är särskilt fördelaktigt för indieartister.
• Konsekvent: Med full tillit till inlärda mönster och data erbjuder AI-masteringsplattformar konsekvent kvalitet. Till skillnad från en mänsklig ingenjör kommer de inte att ha "off days".

Det är naturligtvis värt att nämna att dessa fördelar har motsvarande utmaningar.

Framtida utmaningar för AI Mastering

Det är ingen tvekan om att många AI-tjänster för musikskapande fungerar extremt bra. Det betyder dock inte att de är perfekta, och även som ett företag som har utvecklat en framgångsrik AI-mastringsalgoritm tycker vi att det är bäst att vara öppna med dessa utmaningar.

Oro över att AI ersätter mänskliga masteringingenjörer

En av de största utmaningarna med AI inom mastering är tanken på att vi kan förlora den mänskliga kontakten.

Jag känner många masteringtekniker som har arbetat och studerat i åratal för att kunna bidra med en stor mängd erfarenhet, intuition och konstnärlig känsla. De är bra på det de gör och kan fatta subjektiva beslut som återspeglar deras personliga stil och artistens vision.

Det här med "stil" är viktigt, för precis som producenter och beatmakare har sina egna igenkännbara egenskaper, har många masteringtekniker det också.

AI är visserligen mycket effektivt, men saknar fortfarande förmågan att förstå musikens känslomässiga och kreativa nyanser. Den vet bara vad den får lära sig och kan inte fatta beslut som inte är inbyggda i dess programmering. Som ett resultat av detta är många människor oroliga för att musiken så småningom kommer att nå ett homogent tillstånd, där allting låter, ja, likadant.

Om vi är alltför beroende av AI kommer vi inte att få den unika karaktär och själ som en skicklig ingenjör kan ge en låt.

Bekymmer med tekniska begränsningar

AI har genomgått en hel del tekniska framsteg under årens lopp, men det finns fortfarande några välkända begränsningar.

Vissa AI-algoritmer kan till exempel kämpa med spår som har okonventionella strukturer eller mycket komplexa ljudelement. Låt oss till exempel ta ett mer experimentellt rockspår som har alla element i en traditionell rocklåt, förutom en malande synthbas som är tänkt att fungera som en solid elektronisk grund för resten av låten.

AI kommer inte att kunna urskilja skillnaden mellan den där syntbasen, en vanlig bas eller något annat low-end-instrument för den delen. Den kanske kan göra en bra gissning, och den kanske får rätt, men det finns inget sätt att försäkra sig om det.

Om man tar hänsyn till att en AI-mastringsalgoritm kanske tror att det är ett traditionellt rockspår skulle den mixa det som vilket rockspår som helst, komprimera basen och trycka tillbaka den för att ge plats åt tjockleken på de lägre mellantonerna och trummornas slagkraft. Utifrån din konstnärliga vision kanske du vill att den ska mastras mer som ett EDM- eller hiphopspår.

Även om du kan göra övergripande förslag på vissa AI-masteringsplattformar är det i slutändan mänskliga ingenjörer som är de enda som kan göra extremt subtila justeringar baserat på deras tränade öron och specifika konstnärliga avsikter.

Vi hoppas att AI-system i framtiden kan tränas bortom befintlig data för att kunna anpassa sig till helt nya genrer eller stilar som avviker avsevärt från normen.

Oro för AI:s roll i den kreativa industrin

Slutligen, och av goda skäl, väcker ökningen av AI inom mastering mycket oro för jobbförskjutning.

AI kan hantera flera tekniska uppgifter på ett ögonblick och till en bråkdel av kostnaden, vilket i slutändan minskar behovet av mänskliga ingenjörer.

Men det kan också skapa nya möjligheter. AI kan till exempel frigöra en masteringtekniker så att denne kan fokusera mer på kreativa aspekter och mindre på repetitiva uppgifter som normalisering av ljudstyrka eller brusreducering.

Vi är de första att säga att vi inte tror att AI någonsin helt kommer att ersätta den mänskliga masteringsprocessen.

Det är en mycket mer nyanserad process än vad många tror. En AI vet till exempel inte att ett intro, en vers eller en refräng kräver olika behandling, eftersom den inte kan skilja mellan dessa olika delar av spåret. Den kommer inte heller att kunna gissa om de klick eller pop i din slutmix faktiskt hör hemma där eller om de lämnades av misstag.

En riktig masteringstekniker skulle sannolikt ringa upp dig och säga: "Om du vill ha bästa möjliga resultat måste du studsa mixen igen och ta hand om de här problemen."

Hur ser AI-mastering ut i framtiden?

I takt med att AI-mastringsverktyg blir mer tillgängliga för en bredare publik, inklusive oberoende artister och små studior, ökar också användningen av dem.

Det är svårt att argumentera mot den enkelhet och prisvärdhet som många av dessa verktyg erbjuder.

Professionella masteringstjänster är inte överkomliga för alla, och varför ska det hindret för kreativitet finnas kvar? I själva verket jämnar AI-mastring ut spelplanen för oberoende musiker.

Vi kommer sannolikt att se fler och fler molnbaserade lösningar dyka upp allt eftersom tiden går, men en sak som vi tror kommer att vara mest framträdande är hybridmetoden.

Många masteringtekniker börjar kombinera sin egen expertis med AI och låter AI sköta de inledande tekniska uppgifterna så att de kan fokusera på kreativ förädling. Många branschföreträdare stöder denna modell och ser AI som ett verktyg för att förbättra, snarare än att ersätta, den mänskliga kreativiteten.

Det finns också en förhoppning om att AI-systemen ska utveckla starkare användarprofiler som kan lära sig och anpassa sig till specifika ingenjörers och artisters preferenser och ge mycket skräddarsydda mastringsförslag.

Kommer AI att ersätta mänskliga masteringingenjörer?

Som jag noterade i hela artikeln kommer det att finnas fall där användning av artificiell intelligens i masteringsprocessen kommer att vara mer lämplig eller fördelaktig än att anställa en mänsklig masteringingenjör. Om du har en budget, behöver en master snabbt eller bara vill testa hur din mix kan låta som en färdig produkt, är det verkligen vägen att använda en AI-masteringstjänst som eMastered.

Om du å andra sidan vill ha flexibiliteten att kunna ge eller ta emot feedback, eller om du vill ha ett ultraspecifikt ljud, som kan komma från en viss uppsättning egenskaper eller analog utrustning, är det ett bättre alternativ att gå till en skicklig masteringstekniker.

Jag tror inte heller att AI någonsin kommer att ersätta traditionell mastering. Istället ser jag framför mig en framtid där de två arbetar sida vid sida, vilket gör det möjligt att minska inträdesbarriärerna i musikbranschen.