IA en la música: aplicaciones y herramientas como MusicBrainz Picard

La inteligencia artificial (IA) consiste en reproducir la inteligencia humana en máquinas. Una parte importante de la experiencia humana es nuestra relación con las artes, especialmente con la música. La música influye profundamente en nuestra cultura y nuestras emociones. Gracias a los avances de la IA, las máquinas ya pueden crear música que parece compuesta por personas. La música generada por IA abre nuevas posibilidades para colaboraciones innovadoras entre personas e IA, y transforma nuestra forma de disfrutar e interactuar con la música.

En este artículo veremos cómo se utiliza la IA para crear música. También hablaremos de la relación entre la IA y las herramientas de etiquetado musical, como MusicBrainz Picard, y de su impacto en los artistas, los productores y el sector del entretenimiento en general.

La IA de sonido y su importancia#

La IA puede procesar distintos tipos de datos, incluido el sonido. Los datos de sonido, también llamados datos de audio, son una combinación de ondas con distintas frecuencias e intensidades a lo largo del tiempo. Al igual que las imágenes o los datos de series temporales, los datos de audio se pueden transformar a un formato que los sistemas de IA puedan procesar y analizar. Las ondas sonoras pueden convertirse en datos numéricos que los modelos de IA pueden analizar.

Otro método interesante consiste en utilizar transformadas de Fourier, que convierten las ondas sonoras en un espectrograma. Un espectrograma es una representación visual que muestra cómo varían con el tiempo las distintas frecuencias del sonido. Los modelos de IA pueden aplicar técnicas de reconocimiento de imágenes para analizar e interpretar los datos de audio, tratando el espectrograma como una imagen. La IA puede identificar patrones y características del sonido, de forma similar a como lo haría con datos visuales.

Fig. 1. Ejemplo de clasificación de sonidos mediante IA.

El uso de la IA para analizar, manipular y generar datos de audio da lugar a numerosas aplicaciones. Estos son algunos ejemplos:

• Generación y composición musical: Crear música nueva a partir del aprendizaje de composiciones existentes y ayudar a los músicos con melodías, armonías y ritmos.
• Mejora de audio y reducción de ruido: mejora la calidad del audio al reducir el ruido de fondo en centros de llamadas, audífonos y procesos de edición de audio.
• Resumen de pódcast: Generar resúmenes concisos de episodios de pódcast para facilitar el consumo del contenido.
• Detección de emociones en el habla: detecta emociones en el habla para la atención al cliente, la supervisión de la salud mental y la investigación de la experiencia de usuario.

Cómo funcionan los generadores de canciones con IA#

Los generadores de canciones con IA analizan y aprenden de la música existente, de forma similar a la generación de imágenes. Es importante entender la diferencia entre utilizar la IA para comprender la música y utilizarla para generarla. Comprender la música implica analizar e identificar patrones, mientras que generar música consiste en crear composiciones nuevas a partir de esos patrones aprendidos.

Fig. 2. Comparación entre la comprensión de la música mediante IA y la generación musical con IA.

El proceso de generación musical con IA comienza con la recopilación de un gran conjunto de datos musicales que incluye diversos géneros y estilos. A continuación, el conjunto de datos se divide en componentes más pequeños, como notas, acordes y ritmos, que se convierten en datos numéricos que la IA puede procesar.

Hay muchos modelos de IA generativa diferentes que pueden entrenarse para generar música. Por ejemplo, modelos de IA como los Transformers y los autoencoders variacionales (VAEs) pueden trabajar juntos para generar música. Los VAEs pueden comprimir los sonidos de entrada en un espacio latente, agrupando las piezas musicales similares para captar la diversidad y riqueza de la música. A continuación, los Transformers utilizan este espacio latente para generar música nueva, identificando patrones y prestando atención a las notas importantes de una secuencia.

Una vez entrenado con estos datos, el modelo de IA puede generar música nueva prediciendo la siguiente nota o acorde a partir de lo que ha aprendido. Puede crear composiciones completas encadenando estas predicciones. La música generada se puede ajustar para adaptarla a estilos o preferencias concretos.

Cada vez aparecen más generadores de música que utilizan esta tecnología. Estos son algunos ejemplos:

• MusicLM de Google: Genera música a partir de instrucciones de texto que permiten especificar el género, el estado de ánimo, los instrumentos y el ambiente general.
• MusicGen de Meta: Crea música a partir de descripciones de texto o melodías existentes y utiliza una herramienta llamada EnCodec para procesar datos de audio.
• Stable Audio 2.0 de Stability AI: Genera pistas de audio y efectos de sonido de alta calidad a partir de entradas de texto y audio, y puede crear pistas completas y transformar muestras de audio según las instrucciones.

El impacto de la IA en la industria musical#

La innovación en IA está creando nuevas oportunidades y retos para músicos, oyentes y productores, y da lugar a situaciones que quizá no habían vivido antes. Es interesante observar cómo se adapta cada grupo a estos avances, utiliza nuevas herramientas y aborda las preocupaciones sobre la originalidad y la ética. Además de generar música, la IA ofrece otras posibilidades interesantes para el sector musical, como mejorar las actuaciones en directo, facilitar el descubrimiento de música y ayudar en los procesos de producción. Veamos más de cerca cómo afecta la IA a músicos, oyentes y productores del sector musical.

Fig. 3. El impacto de la IA generativa en la industria musical.

Impacto en los músicos#

La IA está cambiando la forma en que los músicos crean música. Las herramientas con IA generativa integrada pueden ayudar a crear melodías, progresiones de acordes y letras nuevas, lo que facilita que los músicos superen los bloqueos creativos. La IA también se ha utilizado para completar obras inacabadas, como la nueva canción de The Beatles «Now And Then», creada a partir de la voz de John Lennon en una antigua maqueta. Sin embargo, el auge de la música generada por IA que imita el estilo de artistas consagrados plantea dudas sobre la originalidad. Por ejemplo, artistas como Bad Bunny temen que la IA reproduzca sus voces y estilos sin su consentimiento.

Además de crear música, la IA y la visión artificial pueden ayudar a los músicos a preparar mejores actuaciones y vídeos musicales. Un vídeo musical consta de muchos elementos distintos, y uno de ellos es el baile. Los modelos de estimación de poses, como Ultralytics YOLOv8, pueden interpretar las poses humanas en imágenes y vídeos, y contribuir a crear secuencias de baile coreografiadas y sincronizadas con la música.

Otro buen ejemplo del uso de la IA en la coreografía es el proyecto «Dance to Music» de NVIDIA. En este proyecto, utilizaron IA y un proceso de dos etapas para generar nuevos pasos de baile variados, coherentes con el estilo y ajustados al ritmo. Primero, emplearon la estimación de poses y un detector cinemático del ritmo para aprender distintos movimientos de baile a compás a partir de una gran colección de vídeos de baile. Después, utilizaron un modelo de IA generativa para organizar esos movimientos en una coreografía que encajara con el ritmo y el estilo de la música. Los pasos de baile coreografiados por IA aportan un elemento visual interesante a los vídeos musicales y ayudan a los artistas a dar rienda suelta a su creatividad.

Impacto en los oyentes#

Para los oyentes, la IA puede mejorar el descubrimiento de música y la experiencia de escucha. Plataformas como Spotify y Apple Music utilizan la IA para crear listas de reproducción personalizadas y recomendar música nueva según los hábitos de escucha de los usuarios. Cuando descubres artistas y géneros nuevos en estas plataformas, a menudo es la IA la que está detrás.

La realidad virtual (VR) impulsada por IA también mejora la experiencia de los conciertos en directo. Por ejemplo, Travis Scott utiliza la realidad virtual para crear actuaciones virtuales que llegan a audiencias de todo el mundo. Sin embargo, la abundancia de música generada por IA en plataformas como TikTok puede hacer que descubrir música resulte abrumador. Esto puede dificultar que los artistas nuevos destaquen.

Fig. 4. La IA hace posibles las experiencias de conciertos en realidad virtual (VR).

Impacto en los productores#

Los productores se benefician de la IA de varias formas. Las herramientas de IA que ayudan a corregir la afinación, mezclar y masterizar agilizan el proceso de producción. Los instrumentos virtuales y sintetizadores con IA, como Watson Beat de IBM, pueden crear sonidos y texturas nuevos que amplían las posibilidades creativas.

La IA en las plataformas de streaming no solo beneficia a los oyentes, sino que también ayuda a los productores a llegar a un público más amplio. Sin embargo, la capacidad de la IA para imitar el estilo de artistas consagrados, que preocupa a los músicos, plantea problemas éticos y legales relacionados con la explotación de las voces y los estilos únicos de los artistas. Esto ha dado lugar a disputas legales, como las demandas interpuestas por grandes compañías musicales como Universal, Sony y Warner contra empresas emergentes de IA como Suno y Udio por presuntamente utilizar obras protegidas por derechos de autor para entrenar sus modelos sin permiso.

Gestión de bibliotecas musicales con herramientas de IA como MusicBrainz Picard#

Hemos repasado brevemente algunas aplicaciones de la IA en la música y su impacto en los distintos participantes del sector musical. Ahora veamos una aplicación más concreta: las herramientas de gestión musical mejoradas con IA, como MusicBrainz Picard. Estas herramientas son útiles para organizar y gestionar bibliotecas de música digital.

Fig. 5. La IA permite gestionar bibliotecas musicales.

Estas herramientas identifican y etiquetan automáticamente los archivos de música con metadatos precisos, como los nombres de los artistas, los títulos de los álbumes y los números de pista. MusicBrainz Picard facilita la organización de las colecciones musicales. Una de las tecnologías clave integradas en MusicBrainz Picard son las huellas acústicas de AcoustID. Estas huellas identifican los archivos de música según su contenido de audio real, aunque carezcan de metadatos.

¿Por qué es tan importante? Grandes organizaciones como la BBC, Google, Amazon, Spotify y Pandora se basan en los datos de MusicBrainz para mejorar sus servicios relacionados con la música. Los metadatos generados por herramientas como MusicBrainz Picard son fundamentales para los desarrolladores que crean bases de datos musicales, aplicaciones de etiquetado u otro software relacionado con la música. Los datos son la base de la IA y, sin herramientas como Picard, sería muy difícil disponer de datos limpios y precisos, necesarios para el análisis y el desarrollo de aplicaciones. Las herramientas mejoradas con IA como estas también ayudan a crear los datos que necesitan las aplicaciones de IA, lo que genera un ciclo beneficioso de mejora e innovación.

Consideraciones finales sobre la IA en la música#

La IA ya está transformando la música, y el marco legal que la rodea evoluciona a la vez. Las normativas actuales, como las de la Oficina de Derechos de Autor de EE. UU., establecen que las obras generadas íntegramente por IA no pueden estar protegidas por derechos de autor, ya que carecen de autoría humana. Sin embargo, si una persona contribuye de forma significativa al proceso creativo, la obra puede optar a dicha protección. A medida que la IA se integra en el sector musical, los debates jurídicos y éticos serán fundamentales para afrontar estos retos. De cara al futuro, la IA tiene un gran potencial en la música: combina la tecnología con la creatividad humana para ampliar las posibilidades de creación y producción musical.

Explora la IA visitando nuestro repositorio de GitHub y uniéndote a nuestra comunidad. Descubre las aplicaciones de la IA en la fabricación y la agricultura en nuestras páginas de soluciones.