Как следует из названия, машинное обучение — это форма ИИ (искусственного интеллекта), при которой компьютерный алгоритм анализирует и сохраняет данные с течением времени, а затем использует эти данные для принятия решений и прогнозирования будущих результатов (не всегда достоверных, но приблизительных). Вместо того, чтобы требовать «человеческого контроля», алгоритмы могут автономно использовать «нейронные сети», аналогичные человеческому мозгу. Проще говоря, строки компьютерного кода теперь, в некоторой степени, могут быть запрограммированы для самостоятельного изучения, а затем использованы эти знания для выполнения сложных масштабных операций.

 

Эта технология, которая считается одной из самых значительных достижений в области разработки программного обеспечения, за последние несколько лет, стала возможной благодаря революционным достижениям в области вычислительной мощности и хранению данных. В настоящее время является неотъемлемой частью повседневной жизни, например, как известные Siri или Alexa. Вы когда-нибудь задавались вопросом, почему «Люди, которых вы знаете» на Facebook и эти противные рекламные объявления в социальных сетях, всегда так точны? Это мы еще не упомянули фильрацию спама, классификацию изображений, обнаружение мошенничества…

 

Да, алгоритмы машинного обучения есть везде, и область музыки не является исключением. В прошлом году исследовательское подразделение Google Magenta разработало NSynth Super с открытым исходным кодом. Синтезатор, основанный на их алгоритме, предназначенный для создания совершенно новых звуков путем изучения акустических качеств существующих исходников. Amper Music переносит эту концепцию в 21-й век: это сервис, использующий глубокое обучение для автоматического создания компьютерных композиций. Сгенерированная музыка будет основана на выборе пользователем стиля или настроения. Кроме того, эта технология используется и в других продуктах. Например, Audionamix Xtrax Stems 2 использует облачную систему машинного обучения для деконструкции полностью смешанного стерео-трека в трио составляющих субстеблей (вокал, ударные и музыку), которые затем можно использовать для ремиксов.

Независимо от того, настанет ли время, когда машины захватят студии звукозаписи, уже ясно, что технология искусственного интеллекта активно развивается, и мы является свидетелями начала революции.

 

iZotope использовали технологию машинного обучения в последних версиях Ozone, Neutron и Nectar. IZotope вложили значительные средства в эти методы за последние несколько лет. Neutron 8 использует искусственный интеллект, чтобы идентифицировать («классифицировать»), какой инструмент представлен в каждом конкретном треке, и на основе этой категоризации, а также некоторых дополнительных акустических характеристик, он дает рекомендацию, по настройке (компрессия, эквализация, сатурация и т.д.).

 

«Сейчас мы используем ИИ, чтобы не только анализировать аудиоконтент, но и обрабатывать его. В нашем недавнем выпуске RX7 функция MusicRebalance использует глубокое обучение, чтобы «размешать» музыкальную смесь на отдельные основы, которые могут быть перебалансированы или обработаны отдельно. Многие клиенты спрашивали нас о способе удаления шумов, вызванных шелестом микрофона, из записей, которые было трудно решить даже с использованием мощной технологии спектрального анализа и обработки. Мы даем максимум инструментария для этих целей».

Так будет ли искусственный интеллект в конечном итоге писать и микшировать музыку для нас?

В некоторых случаях это уже существует. Если вы замечательный певец и автор песен, но в своей жизни никогда не открывали DAW, ИИ поможет вам получить отличную запись без необходимости изучать, что такое компрессор, эквалайзер и лимитер. Если вы работаете в DAW весь день, в конечном счете она узнает, какие эффекты вам нравятся и не нравятся, какую визуальную и слуховую информацию вам нужно для выполнения своей работы, и позволит сосредоточиться на самой музыке. В ближайшее время человечество получит решение, закрывающее вопросы обработки и микширования звука, но стоит помнить, что фотография должна была убить живопись, но этого не произошло.