AI nella musica: applicazioni e strumenti come MusicBrainz Picard
Scopri in modo approfondito il ruolo dell’AI nella musica, dall’analisi dei dati audio alla generazione di nuova musica. Esplora il suo impatto e le sue applicazioni nell’industria musicale.
L'intelligenza artificiale (AI) consiste nel ricreare l'intelligenza umana nelle macchine. Una parte importante dell'essere umano è il nostro legame con le arti, soprattutto con la musica. La musica influenza profondamente la nostra cultura e le nostre emozioni. Grazie ai progressi dell'AI, oggi le macchine possono creare musica che sembra composta da esseri umani. La musica generata dall'AI apre nuove possibilità per collaborazioni innovative tra esseri umani e AI e trasforma il modo in cui viviamo e con cui interagiamo con la musica.
In questo articolo esploreremo come viene utilizzata l'AI per creare musica. Parleremo anche del legame tra AI e strumenti di tagging musicale come MusicBrainz Picard e del loro impatto su artisti, produttori e sull'industria dell'intrattenimento nel suo complesso.
L'AI per l'audio e la sua importanza#
L'AI può gestire vari tipi di dati, incluso l'audio. I dati audio, spesso chiamati dati sonori, sono una combinazione di frequenze d'onda con diverse intensità nel tempo. Proprio come le immagini o i dati di serie temporali, i dati audio possono essere trasformati in un formato che i sistemi di AI possono elaborare e analizzare. Le onde sonore possono essere convertite in dati numerici analizzabili dai modelli di AI.
Un altro metodo interessante consiste nell'utilizzare le trasformate di Fourier, che convertono le onde sonore in uno spettrogramma. Uno spettrogramma è una rappresentazione visiva che mostra come variano nel tempo le diverse frequenze del suono. I modelli di AI possono applicare tecniche di riconoscimento delle immagini per analizzare e interpretare i dati audio, trattando lo spettrogramma come un'immagine. L'AI può identificare schemi e caratteristiche all'interno del suono, proprio come farebbe con i dati visivi.
Fig. 1 Un esempio di suono classificato dall'AI.
L'utilizzo dell'AI per analizzare, manipolare e generare dati audio crea numerose applicazioni. Ecco alcuni esempi:
- Generazione e composizione musicale: creazione di nuova musica apprendendo da composizioni esistenti e assistendo i musicisti con melodie, armonie e ritmi.
- Miglioramento dell'audio e riduzione del rumore: miglioramento della qualità audio riducendo il rumore di fondo per i call center, gli apparecchi acustici e il montaggio audio.
- Riepilogo dei podcast: generazione di riepiloghi concisi degli episodi dei podcast per facilitare la fruizione dei contenuti.
- Rilevamento delle emozioni dal parlato: rilevamento delle emozioni nel parlato per il servizio clienti, il monitoraggio della salute mentale e la ricerca sull'esperienza utente.
Come funzionano i generatori di canzoni basati sull'AI#
I generatori di canzoni basati sull'AI funzionano analizzando e apprendendo dalla musica esistente, in modo simile alla generazione di immagini. È importante capire la differenza tra utilizzare l'AI per comprendere la musica e utilizzarla per generarla. Comprendere la musica significa analizzare e identificare schemi, mentre generare musica significa creare nuove composizioni basate su quegli schemi appresi.
Fig. 2 Confronto tra la comprensione della musica mediante l'AI e la generazione musicale con l'AI.
Il processo di generazione musicale con l'AI inizia raccogliendo un ampio set di dati musicali che include diversi generi e stili. Il set di dati viene quindi suddiviso in componenti più piccoli, come note, accordi e ritmi, che vengono convertiti in dati numerici elaborabili dall'AI.
Esistono molti modelli di AI generativa diversi che possono essere addestrati per generare musica. Ad esempio, modelli di AI come i Transformer e gli Autoencoder variazionali (VAEs) possono collaborare per generare musica. I VAEs possono comprimere i suoni di input in uno spazio latente, raggruppando vicini tra loro brani musicali simili per catturare la diversità e la ricchezza della musica. I Transformer utilizzano quindi questo spazio latente per generare nuova musica, comprendendo gli schemi e concentrandosi sulle note importanti di una sequenza.
Una volta addestrato su questi dati, un modello di AI può generare nuova musica prevedendo la nota o l'accordo successivo in base a ciò che ha appreso. Può creare composizioni intere concatenando queste previsioni. La musica generata può essere perfezionata per adattarsi a stili o preferenze specifici.
Stiamo iniziando a vedere un numero sempre maggiore di generatori musicali che utilizzano questa tecnologia. Ecco alcuni esempi:
- MusicLM di Google: genera musica sulla base di prompt testuali, permettendo agli utenti di specificare il genere, l'atmosfera, gli strumenti e il carattere generale.
- MusicGen di Meta: crea musica a partire da descrizioni testuali o melodie esistenti, utilizzando uno strumento chiamato EnCodec per elaborare i dati audio.
- Stable Audio 2.0 di Stability AI: produce tracce audio ed effetti sonori di alta qualità da input testuali e audio, con la capacità di creare tracce complete e trasformare campioni audio sulla base dei prompt.
L'impatto dell'AI sull'industria musicale#
L'innovazione nell'AI sta creando nuove opportunità e nuove sfide per musicisti, ascoltatori e produttori, portando a situazioni che potrebbero non aver mai sperimentato prima. È interessante osservare come ciascun gruppo si adatti a questi progressi, utilizzi nuovi strumenti e affronti le preoccupazioni relative all'originalità e all'etica. Oltre a generare musica, l'AI offre altre interessanti possibilità nell'industria musicale, come il miglioramento delle esibizioni dal vivo, la scoperta musicale e l'assistenza nei processi di produzione. Esaminiamo più da vicino come l'AI sta influenzando musicisti, ascoltatori e produttori nell'industria musicale.
Fig. 3 L'impatto dell'AI generativa sull'industria musicale.
Impatto sui musicisti#
L'AI sta cambiando il modo in cui i musicisti creano musica. Gli strumenti integrati con l'AI generativa possono aiutare a generare nuove melodie, progressioni di accordi e testi, facilitando il superamento dei blocchi creativi. L'AI è stata utilizzata anche per completare opere incompiute, come la nuova canzone dei Beatles "Now And Then", realizzata con la voce di John Lennon tratta da un vecchio demo. Tuttavia, la diffusione di musica generata dall'AI che imita lo stile di artisti affermati solleva preoccupazioni sull'originalità. Ad esempio, artisti come Bad Bunny temono che l'AI replichi le loro voci e i loro stili senza consenso.
Oltre a creare musica, l'AI e la computer vision possono aiutare i musicisti a realizzare esibizioni e videoclip migliori. Un videoclip è composto da molti elementi diversi, e uno di questi è la danza. I modelli di stima della posa come Ultralytics YOLOv8 possono comprendere le pose umane in immagini e video e contribuire alla creazione di sequenze di danza coreografate e sincronizzate con la musica.
Un altro valido esempio di utilizzo dell'AI per la coreografia è il progetto "Dance to Music" di NVIDIA. In questo progetto è stata utilizzata l'AI e un processo in due fasi per generare nuovi movimenti di danza diversificati, coerenti con lo stile e a tempo di musica. Innanzitutto, la stima della posa e un rilevatore cinematico del ritmo sono stati utilizzati per apprendere vari movimenti di danza a tempo da un'ampia raccolta di video di danza. Successivamente, un modello di AI generativa è stato utilizzato per organizzare questi movimenti in una coreografia che corrispondesse al ritmo e allo stile della musica. I movimenti di danza coreografati dall'AI aggiungono un interessante elemento visivo ai videoclip e aiutano gli artisti a essere più creativi.
Impatto sugli ascoltatori#
Per gli ascoltatori, l'AI può migliorare la scoperta musicale e l'esperienza di ascolto. Piattaforme come Spotify e Apple Music utilizzano l'AI per creare playlist personalizzate e consigliare nuova musica in base alle abitudini di ascolto degli utenti. Quando scopri nuovi artisti e generi su queste piattaforme, questa è la magia dell'AI.
La realtà virtuale (VR) basata sull'AI sta inoltre migliorando l'esperienza dei concerti dal vivo. Ad esempio, Travis Scott utilizza la VR per creare esibizioni virtuali che raggiungono il pubblico di tutto il mondo. Tuttavia, l'abbondanza di musica generata dall'AI su piattaforme come TikTok può rendere la scoperta musicale opprimente. Potrebbe rendere difficile per i nuovi artisti distinguersi.
Fig. 4 L'AI rende possibili le esperienze di concerti in realtà virtuale (VR).
Impatto sui produttori#
I produttori traggono vantaggio dall'AI in diversi modi. Gli strumenti di AI che assistono nella correzione dell'intonazione, nel missaggio e nel mastering semplificano il processo di produzione. Gli strumenti virtuali e i sintetizzatori basati sull'AI, come Watson Beat di IBM, possono creare nuovi suoni e timbri che ampliano le possibilità creative.
L'AI sulle piattaforme di streaming non è utile solo agli ascoltatori: aiuta anche i produttori creando un pubblico più ampio. Tuttavia, proprio come i musicisti, i produttori sono preoccupati dalla capacità dell'AI di imitare lo stile di artisti affermati, che solleva questioni etiche e legali relative allo sfruttamento delle loro voci e dei loro stili unici. Ciò ha portato a controversie legali, come le [cause legali](https://ultralytics-translation-1.invalid intentate da importanti aziende musicali come Universal, Sony e Warner contro startup di AI come Suno e Udio, accusate di aver utilizzato opere protette da copyright per addestrare i propri modelli senza autorizzazione.
Gestire le librerie musicali con strumenti integrati con l'AI come MusicBrainz Picard#
Abbiamo brevemente esplorato alcune applicazioni dell'AI nella musica comprendendone l'impatto sui diversi soggetti dell'industria musicale. Ora analizziamo un'applicazione più specifica dell'AI nella musica: gli strumenti di gestione musicale potenziati dall'AI, come MusicBrainz Picard. Questi strumenti sono estremamente utili per organizzare e gestire le librerie musicali digitali.
Fig. 5 Le librerie musicali possono essere gestite utilizzando l'AI.
Identificano e taggano automaticamente i file musicali con metadati accurati, come nomi degli artisti, titoli degli album e numeri delle tracce. MusicBrainz Picard facilita l'organizzazione delle raccolte musicali. Una delle tecnologie fondamentali integrate in MusicBrainz Picard consiste nelle impronte audio AcoustID. Queste impronte identificano i file musicali in base al loro contenuto audio effettivo, anche quando i file non contengono metadati.
Perché è così importante? Grandi organizzazioni come BBC, Google, Amazon, Spotify e Pandora si affidano ai dati di MusicBrainz per migliorare i propri servizi legati alla musica. I metadati creati da strumenti come MusicBrainz Picard sono fondamentali per gli sviluppatori che realizzano database musicali, applicazioni di tagging o altri software legati alla musica. La base dell'AI sono i dati e, senza strumenti come Picard, sarebbe molto difficile disporre dei dati puliti e accurati necessari per l'analisi e lo sviluppo di applicazioni. È affascinante che gli strumenti potenziati dall'AI utilizzino l'AI e contribuiscano a creare i dati necessari per le applicazioni di AI, formando un ciclo virtuoso di miglioramento e innovazione.
Considerazioni finali sull'AI nella musica#
Abbiamo parlato dell'impatto che l'AI sta avendo nel mondo della musica. Anche il panorama legale relativo alla musica generata dall'AI è in evoluzione. Le normative attuali, come quelle dell'U.S. Copyright Office, stabiliscono che le opere generate interamente dall'AI non possono essere protette da copyright, poiché prive di un autore umano. Tuttavia, se un essere umano contribuisce in modo significativo al processo creativo, l'opera può essere idonea alla protezione del copyright. Mentre l'AI continua a integrarsi nell'industria musicale, il dibattito legale ed etico in corso sarà fondamentale per affrontare queste sfide. Guardando al futuro, l'AI offre un enorme potenziale nella musica, combinando la tecnologia con la creatività umana per ampliare le possibilità nella creazione e nella produzione musicale.
Esplora l'AI visitando il nostro repository GitHub e unendoti alla nostra vivace community. Scopri le applicazioni dell'AI nella manifattura e nell'agricoltura nelle nostre pagine dedicate alle soluzioni.
