L'IA dans la musique : applications et outils comme MusicBrainz Picard

L'intelligence artificielle (IA) consiste à recréer l'intelligence humaine dans des machines. Une partie importante de notre humanité réside dans notre lien avec les arts, en particulier la musique. La musique influence profondément notre culture et nos émotions. Grâce aux progrès de l'IA, les machines peuvent désormais créer de la musique qui semble composée par des humains. La musique générée par IA ouvre de nouvelles perspectives pour des collaborations innovantes entre humains et IA, tout en transformant notre façon de vivre et d'interagir avec la musique.

Dans cet article, nous allons explorer comment l'IA est utilisée pour créer de la musique. Nous aborderons également le lien entre l'IA et les outils d'étiquetage musical comme MusicBrainz Picard, ainsi que leur impact sur les artistes, les producteurs et l'industrie du divertissement dans son ensemble.

L'IA sonore et son importance#

L'IA peut traiter divers types de données, y compris le son. Les données sonores, souvent appelées données audio, sont un mélange de fréquences d'ondes à différentes intensités au fil du temps. Tout comme les images ou les séries temporelles, les données audio peuvent être transformées en un format que les systèmes d'IA peuvent traiter et analyser. Les ondes sonores peuvent être converties en données numériques analysables par des modèles d'IA.

Une autre méthode intéressante consiste à utiliser les transformations de Fourier, qui convertissent les ondes sonores en spectrogramme. Un spectrogramme est une représentation visuelle qui montre comment différentes fréquences sonores varient au fil du temps. Les modèles d'IA peuvent appliquer des techniques de reconnaissance d'images pour analyser et interpréter les données audio en traitant ce spectrogramme comme une image. L'IA peut identifier des motifs et des caractéristiques dans le son, tout comme elle le ferait avec des données visuelles.

Fig 1. Un exemple de son classé par l'IA.

L'utilisation de l'IA pour analyser, manipuler et générer des données audio crée une gamme d'applications. En voici quelques exemples :

• Génération et composition musicale : Créer de la nouvelle musique en apprenant à partir de compositions existantes et en aidant les musiciens avec des mélodies, des harmonies et des rythmes.
• Amélioration audio et réduction du bruit : Amélioration de la qualité audio en réduisant le bruit de fond pour les centres d'appels, les prothèses auditives et le montage audio.
• Synthèse de podcasts : Générer des résumés concis d'épisodes de podcast pour une consommation de contenu plus facile.
• Détection des émotions dans la parole : Détection des émotions dans la parole pour le service client, la surveillance de la santé mentale et la recherche sur l'expérience utilisateur.

Comprendre comment fonctionnent les générateurs de chansons par IA#

Les générateurs de chansons par IA fonctionnent en analysant et en apprenant à partir de la musique existante, de la même manière que la génération d'images. Il est important de comprendre la différence entre l'utilisation de l'IA pour comprendre la musique et son utilisation pour en générer. Comprendre la musique implique d'analyser et d'identifier des motifs, tandis que la générer consiste à créer de nouvelles compositions basées sur ces motifs appris.

Fig 2. Comparaison entre la compréhension musicale par l'IA et la génération musicale par l'IA.

Le processus de génération musicale par IA commence par la collecte d'un vaste ensemble de données musicales incluant divers genres et styles. L'ensemble de données est ensuite décomposé en composants plus petits comme les notes, les accords et les rythmes, qui sont convertis en données numériques que l'IA peut traiter.

Il existe de nombreux modèles d'IA générative différents qui peuvent être entraînés pour créer de la musique. Par exemple, des modèles d'IA comme les Transformers et les auto-encodeurs variationnels (VAE) peuvent travailler ensemble pour générer de la musique. Les VAE peuvent compresser des sons d'entrée dans un espace latent en regroupant étroitement des morceaux de musique similaires pour capturer la diversité et la richesse musicale. Les Transformers utilisent ensuite cet espace latent pour générer de la nouvelle musique en comprenant les motifs et en se concentrant sur les notes importantes d'une séquence.

Une fois qu'un modèle d'IA est entraîné sur ces données, l'IA peut générer une nouvelle musique en prédisant la note ou l'accord suivant basé sur ce qu'elle a appris. Elle peut créer des compositions entières en enchaînant ces prédictions. La musique générée peut être ajustée pour correspondre à des styles ou des préférences spécifiques.

Nous commençons à voir davantage de générateurs de musique utilisant cette technologie. En voici quelques exemples :

• MusicLM de Google : Génère de la musique basée sur des invites textuelles, permettant aux utilisateurs de spécifier le genre, l'ambiance, les instruments et le rendu global.
• MusicGen de Meta : Crée de la musique à partir de descriptions textuelles ou de mélodies existantes, en utilisant un outil appelé EnCodec pour traiter les données audio.
• Stable Audio 2.0 de Stability AI : Produit des pistes audio et des effets sonores de haute qualité à partir d'entrées texte et audio, capable de créer des pistes complètes et de transformer des échantillons audio basés sur des invites.

L'impact de l'IA sur l'industrie musicale#

L'innovation en IA crée de nouvelles opportunités et de nouveaux défis pour les musiciens, les auditeurs et les producteurs, entraînant des situations qu'ils n'ont peut-être jamais vécues auparavant. Il est intéressant de voir comment chaque groupe s'adapte à ces avancées, utilise de nouveaux outils et gère les préoccupations liées à l'originalité et à l'éthique. Outre la génération de musique, l'IA présente un autre potentiel passionnant dans l'industrie musicale, comme l'amélioration des performances en direct, l'optimisation de la découverte musicale et l'aide aux processus de production. Examinons de plus près l'impact de l'IA sur les musiciens, les auditeurs et les producteurs dans l'industrie musicale.

Fig 3. L'impact de l'IA générative sur l'industrie musicale.

Impact sur les musiciens#

L'IA modifie la façon dont les musiciens créent de la musique. Les outils intégrés à l'IA générative peuvent aider à créer de nouvelles mélodies, des progressions d'accords et des paroles, permettant ainsi aux musiciens de surmonter plus facilement les pannes d'inspiration. L'IA a également été utilisée pour achever des œuvres inachevées, comme la nouvelle chanson des Beatles "Now And Then," créée à partir des vocaux de John Lennon tirés d'une vieille démo. Cependant, la montée en puissance de la musique générée par IA qui imite le style d'artistes établis soulève des inquiétudes quant à l'originalité. Par exemple, des artistes comme Bad Bunny s'inquiètent de voir l'IA reproduire leurs voix et leurs styles sans leur consentement.

Au-delà de la création musicale, l'IA et la vision par ordinateur peuvent aider les musiciens à proposer de meilleures performances et de meilleurs clips vidéo. Un clip vidéo se compose de nombreux éléments différents, dont l'un est la danse. Les modèles d'estimation de pose comme Ultralytics YOLOv8 peuvent comprendre les poses humaines dans les images et les vidéos et jouer un rôle dans la création de séquences de danse chorégraphiées et synchronisées avec la musique.

Un autre bon exemple de l'utilisation de l'IA pour la chorégraphie est le projet "Dance to Music" de NVIDIA. Dans ce projet, ils ont utilisé l'IA et un processus en deux étapes pour générer de nouveaux mouvements de danse diversifiés, cohérents avec le style et calés sur le rythme. Tout d'abord, l'estimation de pose et un détecteur de rythme cinématique ont été utilisés pour apprendre divers mouvements de danse en rythme à partir d'une vaste collection de vidéos de danse. Ensuite, un modèle d'IA générative a été employé pour organiser ces mouvements de danse en une chorégraphie correspondant au rythme et au style de la musique. Les mouvements de danse chorégraphiés par l'IA ajoutent un élément visuel intéressant aux clips vidéo et aident les artistes à être plus créatifs.

Impact sur les auditeurs#

Pour les auditeurs, l'IA peut améliorer l'expérience de découverte et d'écoute musicale. Des plateformes comme Spotify et Apple Music utilisent l'IA pour composer des playlists personnalisées et recommander de nouvelles musiques en fonction des habitudes d'écoute des utilisateurs. Lorsque tu découvres de nouveaux artistes et genres sur ces plateformes, c'est la magie de l'IA.

La réalité virtuelle (VR) alimentée par l'IA améliore également les expériences de concerts en direct. Par exemple, Travis Scott utilise la VR pour créer des performances virtuelles qui touchent un public mondial. Cependant, l'abondance de musique générée par IA sur des plateformes comme TikTok peut rendre la découverte musicale écrasante. Cela peut compliquer la tâche des nouveaux artistes pour se démarquer.

Fig 4. L'IA rend possibles les expériences de concerts en réalité virtuelle (VR).

Impact sur les producteurs#

Les producteurs bénéficient de l'IA de plusieurs manières. Les outils d'IA qui aident à la correction de hauteur, au mixage et au mastering rationalisent le processus de production. Les instruments virtuels et synthétiseurs alimentés par l'IA, comme Watson Beat d'IBM, peuvent créer de nouveaux sons et textures qui élargissent les possibilités créatives.

L'IA sur les plateformes de streaming n'est pas seulement un avantage pour les auditeurs ; elle aide également les producteurs en élargissant leur audience. Cependant, tout comme les musiciens s'en inquiètent, la capacité de l'IA à imiter le style d'artistes établis soulève des problèmes éthiques et juridiques concernant l'exploitation des voix et des styles uniques des artistes. Cela a entraîné des litiges juridiques, tels que des poursuites intentées par de grandes maisons de disques comme Universal, Sony et Warner contre des startups d'IA telles que Suno et Udio pour avoir prétendument utilisé des œuvres protégées par le droit d'auteur pour entraîner leurs modèles sans autorisation.

Gérer les bibliothèques musicales avec des outils intégrés à l'IA comme MusicBrainz Picard#

Nous avons brièvement exploré certaines applications de l'IA dans la musique en comprenant son impact sur les différentes parties prenantes de l'industrie musicale. Maintenant, comprenons une application plus spécifique de l'IA dans la musique : les outils de gestion musicale améliorés par l'IA comme MusicBrainz Picard. Ces outils sont incroyablement utiles pour organiser et gérer les bibliothèques musicales numériques.

Fig 5. Les bibliothèques musicales peuvent être gérées à l'aide de l'IA.

Ils identifient et étiquettent automatiquement les fichiers musicaux avec des métadonnées précises, telles que les noms des artistes, les titres des albums et les numéros de piste. MusicBrainz Picard facilite le maintien des collections musicales bien organisées. L'une des technologies clés intégrées dans MusicBrainz Picard est les empreintes acoustiques AcoustID. Ces empreintes identifient les fichiers musicaux basés sur leur contenu audio réel, même si les fichiers manquent de métadonnées.

Pourquoi est-ce si important ? De grandes organisations comme la BBC, Google, Amazon, Spotify et Pandora s'appuient sur les données de MusicBrainz pour améliorer leurs services liés à la musique. Les métadonnées créées par des outils comme MusicBrainz Picard sont cruciales pour les développeurs qui créent des bases de données musicales, des applications de marquage ou d'autres logiciels liés à la musique. Le pilier de l'IA est la donnée, et sans des outils comme Picard, il serait très difficile d'obtenir les données propres et précises nécessaires à l'analyse et au développement d'applications. Il est fascinant de constater que les outils améliorés par l'IA utilisent l'IA et contribuent à créer les données nécessaires aux applications d'IA, formant ainsi un cycle vertueux d'amélioration et d'innovation.

Notes finales sur l'IA dans la musique#

Nous avons évoqué les vagues que soulève l'IA dans la musique. Le paysage juridique entourant la musique générée par IA évolue également. Les réglementations actuelles, telles que celles du U.S. Copyright Office, stipulent que les œuvres générées entièrement par l'IA ne peuvent pas faire l'objet de droits d'auteur car elles manquent de paternité humaine​​. Cependant, si un humain contribue de manière significative au processus créatif, l'œuvre peut être éligible à la protection du droit d'auteur. Alors que l'IA continue de s'intégrer dans l'industrie musicale, les discussions juridiques et éthiques en cours seront essentielles pour naviguer à travers ces défis. À l'avenir, l'IA possède un potentiel énorme dans la musique, combinant la technologie et la créativité humaine pour élargir les possibilités en matière de création et de production musicales.

Explore l'IA en visitant notre référentiel GitHub et en rejoignant notre communauté dynamique. Découvre les applications de l'IA dans la fabrication et l'agriculture sur nos pages de solutions.