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

L’intelligence artificielle (AI) vise à reproduire l’intelligence humaine dans les machines. Notre lien avec les arts, et en particulier la musique, est un aspect important de notre humanité. La musique a une profonde influence sur notre culture et nos émotions. Grâce aux progrès de l’AI, les machines peuvent désormais créer une musique qui semble avoir été composée par des humains. La musique générée par l’AI ouvre de nouvelles possibilités de collaborations innovantes entre humains et AI, et transforme notre façon de vivre la musique et d’interagir avec elle.

Dans cet article, nous allons voir comment l’IA sert à créer de la musique. Nous aborderons également le lien entre l’IA et les outils de balisage musical comme MusicBrainz Picard, ainsi que leur impact sur les artistes, les producteurs et l’ensemble du secteur du divertissement.

L’IA appliquée au son et son importance#

L’IA peut traiter différents types de données, notamment le son. Les données sonores, souvent appelées données audio, sont un mélange de fréquences d’onde d’intensités variables au fil du temps. Tout comme les images ou les séries temporelles, les données audio peuvent être transformées dans un format que les systèmes d’IA peuvent traiter et analyser. Les ondes sonores peuvent être converties en données numériques que les modèles d’IA peuvent analyser.

Une autre méthode intéressante consiste à utiliser les transformées de Fourier, qui convertissent les ondes sonores en spectrogramme. Un spectrogramme est une représentation visuelle qui montre comment les 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 le 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. Exemple de classification d’un son par l’IA.

L’utilisation de l’IA pour analyser, manipuler et générer des données audio ouvre la voie à de nombreuses applications. En voici quelques exemples :

• Génération et composition musicales : créer de nouvelles œuvres musicales à partir de compositions existantes et aider les musiciens à élaborer des mélodies, des harmonies et des rythmes.
• Amélioration audio et réduction du bruit : améliorer la qualité audio en réduisant le bruit de fond pour les centres d’appels, les appareils auditifs et le montage audio.
• Résumé de podcasts : générer des résumés concis d’épisodes de podcasts pour faciliter la consommation de contenu.
• Détection des émotions dans la parole : détecter les émotions dans la parole pour le service client, le suivi de la santé mentale et la recherche sur l’expérience utilisateur.

Comprendre le fonctionnement des générateurs de chansons par IA#

Les générateurs de chansons par IA fonctionnent en analysant la musique existante et en apprenant à partir de celle-ci, un peu comme pour la génération d’images. Il est important de comprendre la différence entre utiliser l’IA pour comprendre la musique et l’utiliser pour en générer. Comprendre la musique consiste à analyser et à identifier des motifs, tandis que la générer consiste à créer de nouvelles compositions à partir des motifs appris.

Fig. 2. Comparaison entre la compréhension de la musique par l’IA et la génération musicale par l’IA.

Le processus de génération musicale par l’IA commence par la collecte d’un vaste jeu de données musicales couvrant différents genres et styles. Le jeu de données est ensuite décomposé en éléments 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’AI générative différents qui peuvent être entraînés à générer de la musique. Par exemple, des modèles d’AI comme les Transformers et les autoencodeurs variationnels (VAEs) peuvent travailler ensemble pour générer de la musique. Les VAEs peuvent compresser les sons d’entrée dans un espace latent, en rapprochant les morceaux similaires afin de saisir la diversité et la richesse de la musique. Les Transformers utilisent ensuite cet espace latent pour générer de nouveaux morceaux en identifiant les motifs et en se concentrant sur les notes importantes d’une séquence.

Une fois entraîné sur ces données, un modèle d’IA peut générer de nouvelles œuvres musicales en prédisant la note ou l’accord suivant à partir de ce qu’il a appris. Il peut créer des compositions entières en enchaînant ces prédictions. La musique générée peut être affinée pour correspondre à des styles ou à des préférences spécifiques.

On voit apparaître de plus en plus de générateurs de musique qui utilisent cette technologie. En voici quelques exemples :

• MusicLM de Google : génère de la musique à partir d’instructions textuelles qui permettent de préciser le genre, l’ambiance, les instruments et le style général.
• MusicGen de Meta : crée de la musique à partir de descriptions textuelles ou de mélodies existantes, à l’aide d’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 textuelles et audio ; il peut créer des pistes complètes et transformer des échantillons audio à partir d’instructions.

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

L’innovation en matière d’AI crée de nouvelles possibilités et de nouveaux défis pour les musiciens, les auditeurs et les producteurs, et les confronte à des situations inédites. Il est intéressant de voir comment chaque groupe s’adapte à ces avancées, utilise de nouveaux outils et aborde les questions d’originalité et d’éthique. Outre la génération musicale, l’AI offre d’autres possibilités prometteuses dans l’industrie musicale, comme l’amélioration des concerts, la découverte musicale et l’aide aux processus de production. Voyons de plus près les effets de l’AI sur les musiciens, les auditeurs et les producteurs du secteur musical.

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

Impact sur les musiciens#

L’IA transforme la façon dont les musiciens créent de la musique. Les outils intégrant l’IA générative peuvent aider à composer de nouvelles mélodies, des progressions d’accords et des paroles, ce qui permet aux musiciens de surmonter plus facilement les blocages créatifs. L’IA a également servi à achever des œuvres inachevées, comme la nouvelle chanson des Beatles, « Now And Then », créée à partir de la voix de John Lennon enregistrée sur une ancienne maquette. Cependant, l’essor de la musique générée par l’IA qui imite le style d’artistes établis soulève des questions d’originalité. Par exemple, des artistes comme Bad Bunny craignent que l’IA reproduise leur voix et leur style sans leur consentement.

Au-delà de la création musicale, l’IA et la vision par ordinateur peuvent aider les musiciens à concevoir de meilleurs spectacles et clips vidéo. Un clip vidéo comporte de nombreux éléments, dont la danse. Les modèles d’estimation de pose comme Ultralytics YOLOv8 peuvent interpréter les poses humaines dans les images et les vidéos et contribuer à créer des séquences de danse chorégraphiées et synchronisées avec la musique.

Le projet « Dance to Music » de NVIDIA est un autre bon exemple d’utilisation de l’IA pour la chorégraphie. Dans ce projet, l’équipe a utilisé l’IA et un processus en deux étapes pour générer de nouveaux mouvements de danse variés, cohérents avec un style et adaptés au rythme. Tout d’abord, l’estimation de pose et un détecteur cinématique de rythme ont servi à apprendre divers mouvements de danse calés sur le tempo à partir d’une vaste collection de vidéos de danse. Ensuite, un modèle d’IA générative a organisé ces mouvements 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 faire preuve de plus de créativité.

Impact sur les auditeurs#

Pour les auditeurs, l’AI peut améliorer la découverte musicale et l’expérience d’écoute. Des plateformes comme Spotify et Apple Music utilisent l’AI pour composer des playlists personnalisées et recommander de nouveaux morceaux en fonction des habitudes d’écoute des utilisateurs. Lorsque tu découvres de nouveaux artistes et de nouveaux genres sur ces plateformes, l’AI est souvent à l’œuvre.

La réalité virtuelle (VR) basée sur l’IA améliore également l’expérience des concerts en direct. Par exemple, Travis Scott utilise la VR pour créer des spectacles virtuels accessibles à un public mondial. Cependant, l’abondance de musique générée par l’IA sur des plateformes comme TikTok peut rendre la découverte musicale déroutante. Cela peut empêcher les nouveaux artistes de se démarquer.

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

Impact sur les producteurs#

Les producteurs tirent parti de l’IA de plusieurs façons. Les outils d’IA qui facilitent la correction de la hauteur tonale, le mixage et le mastering rationalisent le processus de production. Les instruments virtuels et les synthétiseurs basés sur 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 aussi les producteurs à toucher un public plus large. Cependant, comme le craignent les musiciens, la capacité de l’IA à imiter le style d’artistes établis soulève des questions éthiques et juridiques concernant l’exploitation des voix et des styles uniques des artistes. Cela a entraîné des litiges, notamment des poursuites judiciaires intentées par de grandes maisons de disques comme Universal, Sony et Warner contre des startups d’IA comme Suno et Udio, qui auraient utilisé des œuvres protégées par le droit d’auteur pour entraîner leurs modèles sans autorisation.

Gérer les bibliothèques musicales avec des outils intégrant l’IA comme MusicBrainz Picard#

Nous avons brièvement exploré quelques applications de l’AI dans la musique en examinant ses effets sur les différents acteurs du secteur. Intéressons-nous maintenant à une application plus précise : les outils de gestion musicale optimisés par l’AI, comme MusicBrainz Picard. Ces outils sont utiles pour organiser et gérer des bibliothèques musicales numériques.

Fig. 5. L’IA permet de gérer les bibliothèques musicales.

Ces outils identifient et balisent automatiquement les fichiers musicaux avec des métadonnées exactes, comme le nom de l’artiste, le titre de l’album et le numéro de la piste. MusicBrainz Picard facilite l’organisation des collections musicales. Les empreintes audio AcoustID constituent l’une des principales technologies intégrées à MusicBrainz Picard. Elles identifient les fichiers musicaux à partir de leur contenu audio réel, même lorsqu’ils ne comportent pas de métadonnées.

Pourquoi est-ce si important ? Des organisations majeures 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 essentielles aux développeurs qui créent des bases de données musicales, des applications d’édition de balises ou d’autres logiciels liés à la musique. Les données sont au cœur de l’AI et, sans des outils comme Picard, il serait très difficile d’obtenir les données propres et exactes nécessaires à l’analyse et au développement d’applications. Les outils optimisés par l’AI comme ceux-ci contribuent également à créer les données nécessaires aux applications d’AI, formant ainsi un cycle bénéfique d’amélioration et d’innovation.

Pour conclure sur l’IA dans la musique#

L’AI transforme déjà la musique, et le cadre juridique entourant la musique générée par l’AI évolue lui aussi. Les réglementations actuelles, comme celles du Bureau du droit d’auteur des États-Unis, stipulent que les œuvres entièrement générées par l’AI ne peuvent pas être protégées par le droit d’auteur, car elles n’ont pas d’auteur humain. Toutefois, si un humain contribue de manière significative au processus créatif, l’œuvre peut bénéficier de cette protection. À mesure que l’AI s’intègre au secteur musical, les débats juridiques et éthiques en cours seront essentiels pour relever ces défis. À l’avenir, l’AI offre un potentiel considérable pour la musique, en associant technologie et créativité humaine afin d’élargir les possibilités de création et de production musicales.

Explore l’AI en consultant notre dépôt GitHub et en rejoignant notre communauté. Découvre les applications de l’AI dans la fabrication et l’agriculture sur nos pages de solutions.