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

L'intelligenza artificiale (AI) si occupa di ricreare l'intelligenza umana nelle macchine. Una parte fondamentale dell'essere umani è il nostro legame con le arti, specialmente la musica. La musica influenza profondamente la nostra cultura e le nostre emozioni. Grazie ai progressi dell'AI, le macchine possono ora creare musica che sembra composta da esseri umani. L'AI applicata alla musica apre nuove possibilità per collaborazioni innovative tra umani e AI, trasformando 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.

Link to this sectionL'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 sonore variano nel tempo. I modelli AI possono applicare tecniche di riconoscimento di immagini per analizzare e interpretare i dati audio trattando questo spettrogramma come un'immagine. L'AI può identificare pattern e caratteristiche all'interno del suono, proprio come farebbe con i dati visivi.

Fig 1. Un esempio di classificazione del suono tramite AI.

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 audio e riduzione del rumore: Miglioramento della qualità audio riducendo il rumore di fondo per call center, apparecchi acustici ed editing 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.

Link to this sectionCapire come funzionano i generatori di canzoni AI#

I generatori di canzoni AI funzionano analizzando e imparando dalla musica esistente, in modo simile alla generazione di immagini. È importante capire la differenza tra usare l'AI per comprendere la musica e usarla per generarla. Comprendere la musica comporta l'analisi e l'identificazione di pattern, mentre generare musica comporta la creazione di nuove composizioni basate su tali pattern appresi.

Fig 2. Confronto tra comprensione della musica tramite AI e generazione musicale AI.

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 diversi modelli di AI generativa che possono essere addestrati per generare musica. Ad esempio, modelli AI come Transformer e Variational Autoencoder (VAE) possono collaborare per generare musica. I VAE possono comprimere i suoni in input in uno spazio latente raggruppando pezzi musicali simili per catturare la diversità e la ricchezza della musica. I Transformer utilizzano poi 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.

Link to this sectionL'impatto dell'AI sull'industria musicale#

L'innovazione dell'AI sta creando nuove opportunità e sfide per musicisti, ascoltatori e produttori, portando a situazioni che potrebbero non aver mai sperimentato prima. È interessante vedere come ogni gruppo si stia adattando a questi progressi, utilizzando nuovi strumenti e affrontando preoccupazioni su originalità ed etica. Oltre a generare musica, l'AI ha altri potenziali interessanti nell'industria musicale, come migliorare le esibizioni dal vivo, perfezionare la scoperta musicale e assistere nei processi di produzione. Diamo un'occhiata più da vicino a come l'AI stia influenzando musicisti, ascoltatori e produttori nel settore musicale.

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

Link to this sectionImpatto sui musicisti#

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

Oltre a creare musica, l'AI e la computer vision possono aiutare i musicisti a mettere insieme performance e video musicali migliori. Un video musicale è composto da molti elementi diversi, e uno di questi è la danza. Modelli di stima della posa come Ultralytics YOLOv8 possono comprendere le pose umane in immagini e video e giocare un ruolo nella creazione di sequenze di danza coreografate sincronizzate con la musica.

Un altro buon esempio di come l'AI possa essere usata per la coreografia è il progetto "Dance to Music" di NVIDIA. In questo progetto, hanno utilizzato l'AI e un processo in due fasi per generare nuove mosse di danza che fossero diverse, coerenti nello stile e in linea con il ritmo. Per prima cosa, la stima della posa e un rilevatore di ritmo cinematico sono stati usati per imparare vari movimenti di danza a tempo da un'ampia collezione di video. Quindi, un modello di AI generativa è stato usato per organizzare questi movimenti in una coreografia che corrispondesse al ritmo e allo stile della musica. Le mosse di danza coreografate dall'AI aggiungono un elemento visivo interessante ai video musicali e aiutano gli artisti a essere più creativi.

Link to this sectionImpatto 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 curare playlist personalizzate e consigliare nuova musica basata sulle abitudini di ascolto degli utenti. Quando scopri nuovi artisti e generi su queste piattaforme, è merito della magia dell'AI.

Anche la realtà virtuale (VR) potenziata dall'AI sta 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'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).

Link to this sectionImpatto 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'AI 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'AI 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 dispute legali, come le cause da parte di grandi aziende musicali come Universal, Sony e Warner contro startup AI come Suno e Udio per aver presumibilmente utilizzato opere protette da copyright per addestrare i loro modelli senza autorizzazione.

Link to this sectionGestione 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 usando 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 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 è così importante? Grandi organizzazioni come BBC, Google, Amazon, Spotify e Pandora si affidano ai dati di MusicBrainz per migliorare i loro servizi musicali. I metadati creati da strumenti come MusicBrainz Picard sono cruciali per gli sviluppatori che creano database musicali, applicazioni di tagging o altro software correlato alla musica. La spina dorsale dell'AI sono i dati e, senza strumenti come Picard, sarebbe molto difficile avere i dati puliti e accurati necessari per l'analisi e lo sviluppo di applicazioni. È affascinante notare che gli strumenti potenziati dall'AI utilizzano l'AI e aiutano a creare i dati necessari per le applicazioni AI, formando un ciclo benefico di miglioramento e innovazione.

Link to this sectionNote finali sull'AI nella musica#

Abbiamo discusso l'impatto dell'AI nella musica. Anche il panorama legale che circonda la musica generata dall'AI si sta evolvendo. Le normative attuali, come quelle del Copyright Office degli Stati Uniti, stabiliscono che le opere generate interamente dall'AI non possono essere protette da copyright poiché mancano 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'AI continua a integrarsi nell'industria musicale, discussioni legali ed etiche in corso saranno fondamentali per affrontare queste sfide. Guardando al futuro, l'AI ha un enorme potenziale nella musica, combinando la tecnologia con la creatività umana per espandere le possibilità nella creazione e 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 sulle nostre pagine di soluzioni.