صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری

هوش مصنوعی چگونه مسیر موسیقی را تغییر می‌دهد؟

هوش مصنوعی با استفاده از روش‌های مختلف در حال تغییر سیر تولید موسیقی است که هر یک از این‌ها می‌توانند به شکل‌های مختلف موسیقیدانان را تهدید کنند.
کد خبر : 864001

به گزارش خبرنگار فرهنگ و جامعه خبرگزاری علم و فناوری آنا، این روزها وقتی از دانشجویان هنر و موسیقی می‌پرسیم که آیا نگران نقش هوش مصنوعی بر آهنگسازی و تولید موسیقی هستند، پاسخ اکثرشان مثبت است.

وقتی از آنها می‌خواهیم که بیشتر درباره این نگرانی توضیح بدهند، اغلب به یک جمله بسنده می‌کنند: هوش مصنوعی دنیایی خلق می‌کند که در آن موسیقی فراوان است، اما موسیقیدان‌ها را به حاشیه می‌راند.

در این میان، پل مک کارتنی در ژوئن 2023 اعلام کرد که او و تیمی از مهندسان حوزه صدا با استفاده از یادگیری ماشینی سعی کرده‌اند تا یکی از تِرک‌های صوتی گمشده جان لنون را با جدا کردن سازهای مختلف از یک ضبط استودیویی یا اصطلاحاً دمو رکوردینگ پیدا کنند.

اما پیدا کردن صداهای هنرمندانی که سال‌ها پیش فوت کرده‌اند، از نظر این که چه کارهایی شدنی هستند و چه کارهایی قبلاً انجام شده‌اند فقط نوک این کوه یخ است.

در یک مصاحبه به تازگی، مک کارتنی اعتراف کرد که هوش مصنوعی نماینده یک آینده ترسناک اما هیجان انگیز برای موسیقی است. در ادامه به سه روشی که هوش مصنوعی با استفاده از آنها در حال تغییر روش تولید موسیقی است اشاره می‌شود- هر یک از این‌ها می‌توانند به شکل‌های مختلف موسیقیدان‌ها را تهدید کنند:

ساخت ترانه

برنامه‌های زیادی همین امروز می‌توانند با کمی تلاش از طرف کاربر موزیک بسازند، ازجمله این ترانه‌ها می‌توان به Electronic Dance with a Warehouse Groove”" اشاره کرد.

اپ‌های کاملاً مولد به مدل‌های هوش مصنوعی دیتابیس‌های گسترده موزیک موجود را آموزش می‌دهند. این آنها را قادر می‌سازد تا ساختارها، هارمونی‌ها، ملودی‌ها، ریتم‌ها، دینامیک‌ها، تیمبرها و فرم را یاد بگیرند و محتوای جدیدی تولید کنند که از نظر سبک دقیقاً به متریال موجود در آن دیتابیس بخورد.

میکس و مسترینگ

اپ‌های فعال شده توسط یادگیری ماشینی که به موسیقیدان‌ها کمک می‌کنند تا بین تمام سازهای موسیقی تعادل ایجاد کنند و صوت را در یک ترانه تقویت کنند- یعنی چیزی که به میکسینگ و مسترینگ معروف است- ابزارهای ارزشمندی برای افرادی که فاقد تجربه، مهارت یا منابع کافی برای تولید ترک‌های حرفه‌ای هستند به شمار می‌آیند.

در طول دهه گذشته، ادغام هوش مصنوعی در تولید موسیقی نحوه میکس و مستر کردن را منقلب کرده است. اپلیکیشن‌های هوش مصنوعی مانند Landr، Cryo Mix و iZotope’s Neutron می‌توانند به صورت اتوماتیک ترک‌های را آنالیز، سطوح صوت را متعادل کنند و نویز را از بین ببرند.

این فناوری‌ها فرایند تولید را تسریع می‌کنند و به موزیسین‌ها و تولیدکننده‌ها کمک می‌کنند تا روی جنبه‌های خلاق کار خود تمرکز کنند.

تولید صدای ساز و صدای خواننده

با استفاده از الگوریتم‌های «انتقال لحن» از طریق اپ‌هایی مانند Mawf، موسیقیدان‌ها می‌توانند صدای یک ساز را به ساز دیگر تبدیل کنند.

موسیقیدان‌ها همچنین می‌توانند از این توانایی برای بازتولید صدای هر ساز یا صوت قابل تصور استفاده کنند. البته نقطه منفی‌اش این است که این فناوری می‌تواند فرصت اجرا در یک تِرک ضبط شده را از نوازنده‌های واقعی بگیرد.

انتهای پیام/

ارسال نظر