L'IA nella musica: applicazioni e strumenti come MusicBrainz Picard

L'Intelligenza Artificiale (IA) consiste nel ricreare l'intelligenza umana nelle macchine. Una parte importante dell'essere umani è il nostro legame con le arti, in particolare con la musica. La musica influenza profondamente la nostra cultura e le nostre emozioni. Grazie ai progressi dell'IA, le macchine possono ora creare musica che sembra composta da esseri umani. La musica generata dall'IA apre nuove possibilità per collaborazioni innovative tra esseri umani e IA e trasforma il modo in cui viviamo e interagiamo con la musica.

In questo articolo, esploreremo come viene utilizzata l'AI per creare musica. Discuteremo anche del legame tra l'AI e gli strumenti di tagging musicale come MusicBrainz Picard e del loro impatto su artisti, produttori e sull'industria dell'intrattenimento in generale.

L'AI sonora e il suo significato#

L'AI può gestire vari tipi di dati, incluso il suono. I dati sonori, spesso chiamati dati audio, sono un insieme di frequenze d'onda a diverse intensità nel tempo. Proprio come le immagini o le serie temporali, i dati audio possono essere trasformati in un formato che i sistemi AI possono elaborare e analizzare. Le onde sonore possono essere convertite in dati numerici analizzabili dai modelli 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 le diverse frequenze del suono variano nel tempo. I modelli di IA possono applicare tecniche di riconoscimento delle immagini per analizzare e interpretare i dati audio trattando questo spettrogramma come un'immagine. L'IA può identificare pattern e caratteristiche all'interno del suono, proprio come farebbe con i dati visivi.

Fig. 1 Un esempio di suono classificato dall'IA.

L'utilizzo dell'AI per analizzare, manipolare e generare dati audio crea una vasta gamma di applicazioni. Ecco alcuni esempi:

• Generazione e composizione musicale: Creazione di nuova musica imparando dalle composizioni esistenti e supportando i musicisti con melodie, armonie e ritmi.
• Miglioramento dell'audio e riduzione del rumore: Miglioramento della qualità audio riducendo il rumore di fondo per call center, apparecchi acustici e montaggio audio.
• Riassunto di podcast: Generazione di riassunti concisi di episodi di 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.

Capire come funzionano i generatori di canzoni AI#

I generatori di canzoni basati su IA funzionano analizzando e imparando dalla musica esistente, in modo simile alla generazione di immagini. È importante comprendere la differenza tra l'uso dell'IA per comprendere la musica e l'uso dell'IA per generarla. Comprendere la musica implica analizzare e identificare pattern, mentre generare musica implica creare nuove composizioni basate su quei pattern appresi.

Fig. 2 Confronto tra la comprensione della musica tramite IA e la generazione di musica tramite IA.

Il processo di generazione musicale AI inizia con la raccolta di un ampio dataset musicale che include vari generi e stili. Il dataset viene poi suddiviso in componenti più piccole come note, accordi e ritmi, che vengono convertiti in dati numerici che l'AI può elaborare.

Esistono molti modelli di IA generativa differenti che possono essere addestrati per generare musica. Ad esempio, modelli di IA come Transformers e Variational Autoencoders (VAEs) possono collaborare per generare musica. I VAE possono comprimere i suoni di input in uno spazio latente raggruppando strettamente brani musicali simili per catturare la diversità e la ricchezza della musica. I Transformer utilizzano quindi questo spazio latente per generare nuova musica comprendendo i pattern e concentrandosi sulle note importanti in una sequenza.

Una volta che un modello AI è addestrato su questi dati, l'AI può generare nuova musica prevedendo la nota o l'accordo successivo in base a ciò che ha appreso. Può creare intere composizioni collegando queste previsioni. La musica generata può essere rifinita per corrispondere a stili o preferenze specifici.

Stiamo iniziando a vedere sempre più generatori musicali che utilizzano questa tecnologia. Ecco alcuni esempi:

• MusicLM di Google: Genera musica basata su prompt testuali, consentendo agli utenti di specificare genere, umore, strumenti e atmosfera 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, capace di creare tracce complete e trasformare campioni audio basandosi sui prompt.

L'impatto dell'AI sull'industria musicale#

L'innovazione dell'IA sta creando nuove opportunità e sfide per musicisti, ascoltatori e produttori, portando a situazioni che potrebbero non aver mai vissuto prima. È interessante vedere come ogni gruppo si stia adattando a questi progressi, utilizzando nuovi strumenti e affrontando le preoccupazioni relative all'originalità e all'etica. Oltre a generare musica, l'IA offre altri entusiasmanti potenziali nel settore musicale, come il miglioramento delle esibizioni dal vivo, l'ottimizzazione della scoperta musicale e il supporto nei processi di produzione. Diamo uno sguardo più ravvicinato a come l'IA sta influenzando musicisti, ascoltatori e produttori nell'industria musicale.

Fig. 3 L'impatto dell'IA generativa sull'industria musicale.

Impatto sui musicisti#

L'IA sta cambiando il modo in cui i musicisti creano musica. Gli strumenti integrati con l'IA generativa possono aiutare a generare nuove melodie, progressioni di accordi e testi, rendendo più facile per i musicisti superare i blocchi creativi. L'IA è stata anche utilizzata per completare opere incompiute, come la nuova canzone dei Beatles "Now And Then", creata con la voce di John Lennon da una vecchia demo. Tuttavia, l'aumento della musica generata dall'IA che imita lo stile di artisti affermati solleva preoccupazioni riguardo all'originalità. Ad esempio, artisti come Bad Bunny sono preoccupati che l'IA replichi le loro voci e i loro stili senza consenso.

Oltre alla creazione di musica, l'IA e la computer vision possono aiutare i musicisti a realizzare performance e video musicali migliori. Un video musicale è composto da molti elementi differenti, 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 svolgere un ruolo nella creazione di sequenze di danza coreografate sincronizzate con la musica.

Un altro buon esempio di come l'IA possa essere utilizzata per la coreografia è il progetto "Dance to Music" di NVIDIA. In questo progetto, hanno utilizzato l'IA e un processo in due fasi per generare nuovi passi di danza che siano diversificati, coerenti nello stile e in linea con il ritmo. Innanzitutto, sono stati impiegati la stima della posa e un rilevatore cinematico del ritmo per apprendere vari movimenti di danza a tempo da una vasta raccolta di video di danza. Successivamente, è stato utilizzato un modello di IA generativa per organizzare questi movimenti di danza in una coreografia che corrispondesse al ritmo e allo stile della musica. I passi di danza coreografati dall'IA aggiungono un elemento visivo interessante ai video musicali e aiutano gli artisti a essere più creativi.

Impatto sugli ascoltatori#

Per gli ascoltatori, l'IA può migliorare l'esperienza di scoperta e ascolto della musica. Piattaforme come Spotify e Apple Music utilizzano l'IA per curare 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'IA.

La realtà virtuale (VR) basata sull'IA sta inoltre migliorando le esperienze dei concerti dal vivo. Ad esempio, Travis Scott utilizza la VR per creare performance virtuali che raggiungono un pubblico globale. Tuttavia, l'abbondanza di musica generata dall'IA su piattaforme come TikTok può rendere la scoperta musicale travolgente. Potrebbe rendere difficile per i nuovi artisti emergere.

Fig. 4 L'IA rende possibili le esperienze di concerti in realtà virtuale (VR).

Impatto sui produttori#

I produttori beneficiano dell'AI in diversi modi. Gli strumenti AI che assistono nella correzione del pitch, nel mixaggio e nel mastering semplificano il processo di produzione. Strumenti virtuali e sintetizzatori potenziati dall'AI, come Watson Beat di IBM, possono creare nuovi suoni e texture che espandono le possibilità creative.

L'IA sulle piattaforme di streaming non è solo un vantaggio per gli ascoltatori; aiuta anche i produttori creando un pubblico più vasto. Tuttavia, proprio come i musicisti sono preoccupati, la capacità dell'IA di imitare lo stile di artisti affermati solleva questioni etiche e legali sullo sfruttamento delle voci e degli stili unici degli artisti. Ciò ha portato a controversie legali, come le azioni legali intentate da grandi case discografiche come Universal, Sony e Warner contro startup di IA come Suno e Udio per presunto utilizzo di opere protette da copyright per addestrare i propri modelli senza autorizzazione.

Gestione delle librerie musicali con strumenti integrati dall'AI come MusicBrainz Picard#

Abbiamo esplorato brevemente alcune applicazioni dell'AI nella musica comprendendone l'impatto sui diversi stakeholder del settore. Ora, comprendiamo un'applicazione più specifica dell'AI nella musica: gli strumenti di gestione musicale potenziati dall'AI come MusicBrainz Picard. Questi strumenti sono incredibilmente utili per organizzare e gestire le librerie di musica digitale.

Fig. 5 Le librerie musicali possono essere gestite tramite IA.

Identificano e taggano automaticamente i file musicali con metadati accurati, come nomi degli artisti, titoli degli album e numeri delle tracce. MusicBrainz Picard rende più facile mantenere le collezioni musicali ben organizzate. Una delle tecnologie chiave integrate in MusicBrainz Picard sono le impronte audio AcoustID. Queste impronte identificano i file musicali in base al loro contenuto audio effettivo, anche se i file mancano di metadati.

Perché tutto questo è così importante? Organizzazioni importanti come BBC, Google, Amazon, Spotify e Pandora si affidano ai dati di MusicBrainz per potenziare i loro servizi legati alla musica. I metadati creati da strumenti come MusicBrainz Picard sono fondamentali per gli sviluppatori che creano database musicali, applicazioni di tagging o altri software correlati alla musica. La spina dorsale dell'IA sono i dati e, senza strumenti come Picard, sarebbe molto difficile disporre di dati puliti e accurati necessari per l'analisi e lo sviluppo di applicazioni. È affascinante che gli strumenti potenziati dall'IA utilizzino l'IA e aiutino a creare i dati necessari per le applicazioni di IA, formando un ciclo virtuoso di miglioramento e innovazione.

Note finali sull'AI nella musica#

Abbiamo discusso delle onde che l'IA nella musica sta sollevando. Anche il panorama legale che circonda la musica generata dall'IA si sta evolvendo. Le normative attuali, come quelle dell'U.S. Copyright Office, stabiliscono che le opere generate interamente dall'IA non possono essere protette da copyright in quanto prive di paternità umana. Tuttavia, se un essere umano contribuisce in modo significativo al processo creativo, l'opera potrebbe qualificarsi per la protezione del copyright. Poiché l'IA continua a integrarsi nell'industria musicale, le continue discussioni legali ed etiche saranno fondamentali per affrontare queste sfide. Guardando al futuro, l'IA ha un potenziale tremendo nella musica, combinando la tecnologia con la creatività umana per espandere le possibilità nella creazione e produzione musicale.

Esplora l'IA visitando il nostro repository GitHub e unendoti alla nostra vivace community. Scopri le applicazioni dell'IA nella produzione industriale e nell'agricoltura visitando le nostre pagine delle soluzioni.