IA nella musica: applicazioni e strumenti come MusicBrainz Picard

L'intelligenza artificiale (AI) consiste nel ricreare l'intelligenza umana nelle macchine. Un aspetto 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'AI, oggi le macchine possono creare musica che sembra composta da esseri umani. La musica generata dall'AI apre nuove possibilità di collaborazione innovativa tra persone e AI e trasforma il modo in cui viviamo e ascoltiamo la musica.

In questo articolo vedremo come si usa l'AI per creare musica. Parleremo anche del legame tra AI e strumenti per la catalogazione musicale come MusicBrainz Picard, nonché del loro impatto su artisti, produttori e sull'intero settore dell'intrattenimento.

L'AI applicata all'audio e la sua importanza#

L'AI è in grado di gestire vari tipi di dati, compresi i suoni. I dati audio, spesso chiamati dati sonori, sono composti da onde con frequenze e intensità diverse nel tempo. Proprio come le immagini o i dati di serie temporali, i dati audio possono essere trasformati in un formato che i sistemi AI sono in grado di elaborare e analizzare. Le onde sonore possono essere convertite in dati numerici analizzabili dai modelli AI.

Un altro metodo interessante consiste nell'usare le trasformate di Fourier, che convertono le onde sonore in uno spettrogramma. Lo spettrogramma è una rappresentazione visiva che mostra come variano nel tempo le diverse frequenze del suono. I modelli AI possono applicare tecniche di riconoscimento delle immagini per analizzare e interpretare i dati audio, trattando lo spettrogramma come un'immagine. L'AI può individuare schemi e caratteristiche nel suono, proprio come farebbe con i dati visivi.

Fig. 1. Esempio di classificazione di un suono tramite AI.

L'uso dell'AI per analizzare, modificare e generare dati audio apre la strada a numerose applicazioni. Ecco alcuni esempi:

• Generazione e composizione musicale: creazione di nuova musica imparando 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 nei call center, negli apparecchi acustici e nell'editing audio.
• Riassunto dei podcast: generazione di brevi riassunti degli episodi dei podcast per facilitarne la fruizione.
• Rilevamento delle emozioni nel 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 analizzano e apprendono dalla musica esistente, proprio come avviene nella generazione di immagini. È importante capire la differenza tra usare l'AI per comprendere la musica e usarla per generarla. Comprendere la musica significa analizzare e individuare schemi, mentre generarla significa creare nuove composizioni sulla base degli schemi appresi.

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

Il processo di generazione musicale con l'AI inizia raccogliendo un ampio set di dati musicali che include generi e stili diversi. Il set 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 che possono essere addestrati per generare musica. Ad esempio, modelli di AI come i Transformer e gli autoencoder variazionali (VAE) possono collaborare per generare musica. I VAE possono comprimere i suoni in ingresso in uno spazio latente, raggruppando i brani simili tra loro per cogliere la varietà e la ricchezza della musica. I Transformer usano poi questo spazio latente per generare nuova musica, individuando schemi e concentrandosi sulle note importanti di una sequenza.

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

Stanno comparendo sempre più generatori musicali che usano questa tecnologia. Ecco alcuni esempi:

• MusicLM di Google: genera musica a partire da prompt testuali, consentendo agli utenti di specificare genere, atmosfera, strumenti e carattere generale del brano.
• MusicGen di Meta: crea musica a partire da descrizioni testuali o melodie esistenti, usando 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 a partire da input testuali e audio; è in grado di creare brani completi e trasformare campioni audio in base ai prompt.

L'impatto dell'AI sul settore musicale#

L'innovazione nell'AI crea nuove opportunità e sfide per musicisti, ascoltatori e produttori, dando origine a situazioni mai affrontate prima. È interessante osservare come ciascun gruppo si adatti a questi progressi, utilizzi nuovi strumenti e affronti le questioni legate all'originalità e all'etica. Oltre a generare musica, l'AI ha altre interessanti potenzialità nel settore musicale, come migliorare le esibizioni dal vivo, facilitare la scoperta di musica e supportare i processi di produzione. Vediamo più da vicino come l'AI sta influenzando musicisti, ascoltatori e produttori.

Fig. 3. L'impatto dell'AI generativa sul settore 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 creare nuove melodie, progressioni di accordi e testi, facilitando il superamento dei blocchi creativi. L'AI è stata usata anche per completare opere incompiute, come la nuova canzone dei Beatles «Now And Then», realizzata usando la voce di John Lennon tratta da un vecchio demo. Tuttavia, l'aumento della musica generata dall'AI che imita lo stile di artisti affermati solleva dubbi sull'originalità. Per 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, tra cui 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 stato usato un processo in due fasi basato sull'AI per generare nuove mosse di danza, varie, coerenti con lo stile e a tempo. Per prima cosa, la stima della posa e un rilevatore cinematico del ritmo sono stati usati per apprendere diversi movimenti di danza a tempo da un'ampia raccolta di video di danza. Poi, un modello di AI generativa è stato usato per organizzare questi movimenti in coreografie che corrispondessero al ritmo e allo stile della musica. Le mosse di danza coreografate 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 della musica e l'esperienza di ascolto. Piattaforme come Spotify e Apple Music usano 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, spesso è merito dell'AI.

La realtà virtuale (VR) basata sull'AI migliora anche l'esperienza dei concerti dal vivo. Per esempio, Travis Scott usa la VR per creare esibizioni virtuali che raggiungono un pubblico globale. Tuttavia, l'abbondanza di musica generata dall'AI su piattaforme come TikTok può rendere difficile orientarsi nella scoperta musicale e far sì che i nuovi artisti fatichino a distinguersi.

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

Impatto sui produttori#

I produttori traggono vantaggio dall'AI in diversi modi. Gli strumenti AI che assistono nella correzione dell'intonazione, nel missaggio e nella masterizzazione snelliscono 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 un vantaggio solo per gli ascoltatori; aiuta anche i produttori a raggiungere un pubblico più ampio. Tuttavia, come temono i musicisti, la capacità dell'AI di imitare lo stile di artisti affermati solleva questioni etiche e legali legate allo sfruttamento delle voci e degli stili distintivi degli artisti. Ciò ha dato origine a controversie legali, come le cause legali intentate da grandi case discografiche 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 esaminato brevemente alcune applicazioni dell'AI nella musica, considerando il suo impatto sui diversi soggetti del settore musicale. Ora vediamo un'applicazione più specifica dell'AI nella musica: gli strumenti di gestione musicale potenziati dall'AI, come MusicBrainz Picard. Questi strumenti sono utili per organizzare e gestire le librerie musicali digitali.

Fig. 5. Le librerie musicali possono essere gestite con l'AI.

Questi strumenti identificano e assegnano automaticamente tag ai 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 chiave integrate in MusicBrainz Picard è costituita dalle impronte audio AcoustID. Queste impronte identificano i file musicali in base al loro contenuto audio effettivo, anche se 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 musicali. I metadati creati da strumenti come MusicBrainz Picard sono fondamentali per gli sviluppatori che creano database musicali, applicazioni per l'assegnazione di tag o altri software legati alla musica. L'AI si basa sui dati e, senza strumenti come Picard, sarebbe molto difficile disporre dei dati puliti e accurati necessari per l'analisi e lo sviluppo di applicazioni. Gli strumenti potenziati dall'AI come questi contribuiscono anche a creare i dati necessari per le applicazioni di AI, innescando un ciclo virtuoso di miglioramento e innovazione.

Considerazioni finali sull'AI nella musica#

L'AI sta già trasformando la musica e il quadro giuridico che la riguarda è in evoluzione. Le normative attuali, come quelle dell'Ufficio per il copyright degli Stati Uniti, stabiliscono che le opere generate interamente dall'AI non possono essere protette dal diritto d'autore, poiché prive di paternità umana. Tuttavia, se una persona contribuisce in misura significativa al processo creativo, l'opera può ottenere la protezione del diritto d'autore. Man mano che l'AI si integra nel settore musicale, il confronto giuridico ed etico in corso sarà fondamentale per affrontare queste sfide. Guardando al futuro, l'AI ha un potenziale significativo nella musica: combinando tecnologia e creatività umana, può ampliare le possibilità di creazione e produzione musicale.

Esplora l'AI visitando il nostro repository GitHub e unendoti alla nostra community. Scopri le applicazioni dell'AI nel settore manifatturiero e nell'agricoltura visitando le pagine delle nostre soluzioni.