음악 분야의 AI: MusicBrainz Picard와 같은 애플리케이션 및 도구

인공 지능(AI)은 기계에서 인간의 지능을 재현하는 것에 관한 모든 것입니다. 인간으로서 중요한 부분은 예술, 특히 음악과의 연결입니다. 음악은 우리의 문화와 감정에 깊은 영향을 미칩니다. AI의 발전 덕분에 이제 기계는 인간이 작곡한 것처럼 들리는 음악을 만들 수 있습니다. AI 음악은 인간과 AI 간의 혁신적인 협업을 위한 새로운 가능성을 열고 우리가 음악을 경험하고 상호 작용하는 방식을 변화시킵니다.

이번 글에서는 AI가 음악을 만드는 데 어떻게 사용되는지 살펴볼 것입니다. 또한 AI와 MusicBrainz Picard와 같은 음악 태깅 도구 간의 연관성과 이것이 아티스트, 프로듀서 및 엔터테인먼트 산업 전반에 미치는 영향에 대해서도 논의할 것입니다.

사운드 AI와 그 중요성

AI는 사운드를 포함한 다양한 유형의 데이터를 처리할 수 있습니다. 오디오 데이터라고도 하는 사운드 데이터는 시간 경과에 따른 다양한 강도의 파동 주파수의 혼합입니다. 이미지 또는 시계열 데이터와 마찬가지로 오디오 데이터는 AI 시스템이 처리하고 분석할 수 있는 형식으로 변환될 수 있습니다. 음파는 AI 모델이 분석할 수 있는 숫자 데이터로 변환될 수 있습니다.

또 다른 흥미로운 방법은 음파를 스펙트로그램으로 변환하는 푸리에 변환을 사용하는 것입니다. 스펙트로그램은 시간에 따라 음의 다양한 주파수가 어떻게 변하는지 보여주는 시각적 표현입니다. AI 모델은 이 스펙트로그램을 이미지처럼 취급하여 이미지 인식 기술을 적용하여 오디오 데이터를 분석하고 해석할 수 있습니다. AI는 시각적 데이터에서와 마찬가지로 사운드 내에서 패턴과 특징을 식별할 수 있습니다.

‍

AI를 사용하여 오디오 데이터를 분석, 조작 및 생성하면 다양한 애플리케이션이 만들어집니다. 몇 가지 예는 다음과 같습니다.

• 음악 생성 및 작곡: 기존 작곡에서 학습하여 새로운 음악을 만들고 멜로디, 화음 및 리듬으로 음악가를 지원합니다.
  ‍
• 오디오 향상 및 노이즈 감소: 콜센터, 보청기 및 오디오 편집을 위해 배경 소음을 줄여 오디오 품질을 개선합니다.
  ‍
• 팟캐스트 요약: 더 쉬운 콘텐츠 소비를 위해 팟캐스트 에피소드의 간결한 요약 생성.
  ‍
• 음성에서 감정 감지: 고객 서비스, 정신 건강 모니터링 및 사용자 경험 연구를 위해 음성에서 감정을 감지합니다.

AI 노래 생성기 작동 방식 이해

AI 노래 생성기는 이미지 생성과 유사하게 기존 음악을 분석하고 학습하여 작동합니다. AI를 사용하여 음악을 이해하는 것과 AI를 사용하여 음악을 생성하는 것의 차이점을 이해하는 것이 중요합니다. 음악을 이해하는 것은 패턴을 분석하고 식별하는 반면, 음악을 생성하는 것은 학습된 패턴을 기반으로 새로운 구성을 만드는 것을 포함합니다.

‍

AI 음악 생성 프로세스는 다양한 장르와 스타일을 포함하는 대규모 음악 데이터 세트를 수집하는 것으로 시작됩니다. 그런 다음 데이터 세트는 음표, 코드 및 리듬과 같은 더 작은 구성 요소로 나뉘어 AI가 처리할 수 있는 숫자 데이터로 변환됩니다.

음악을 생성하도록 훈련할 수 있는 다양한 생성적 AI 모델이 있습니다. 예를 들어 Transformer 및 VAE(Variational Autoencoder)와 같은 AI 모델은 함께 작동하여 음악을 생성할 수 있습니다. VAE는 유사한 음악 조각을 함께 그룹화하여 잠재 공간으로 입력 사운드를 압축하여 음악의 다양성과 풍부함을 포착할 수 있습니다. 그런 다음 Transformer는 이 잠재 공간을 사용하여 패턴을 이해하고 시퀀스의 중요한 음표에 집중하여 새로운 음악을 생성합니다.

AI 모델이 이 데이터로 훈련되면 AI는 학습한 내용을 바탕으로 다음 음표나 코드를 예측하여 새로운 음악을 생성할 수 있습니다. 이러한 예측을 연결하여 전체 구성을 만들 수 있습니다. 생성된 음악은 특정 스타일이나 선호도에 맞게 미세 조정할 수 있습니다.

이 기술을 사용하는 음악 생성기가 점점 더 많이 등장하고 있습니다. 몇 가지 예는 다음과 같습니다.

• Google의 MusicLM: 텍스트 프롬프트를 기반으로 음악을 생성하여 사용자가 장르, 분위기, 악기 및 전체적인 느낌을 지정할 수 있습니다.
  ‍
• Meta의 MusicGen: 오디오 데이터를 처리하기 위해 EnCodec이라는 도구를 사용하여 텍스트 설명 또는 기존 멜로디에서 음악을 만듭니다.
  ‍
• Stability AI의 Stable Audio 2.0: 텍스트 및 오디오 입력에서 고품질 오디오 트랙 및 사운드 효과를 생성하며, 전체 트랙을 만들고 프롬프트를 기반으로 오디오 샘플을 변환할 수 있습니다.

AI가 음악 산업에 미치는 영향

AI 혁신은 음악가, 청취자 및 제작자에게 새로운 기회와 과제를 제시하며, 이전에는 경험하지 못했던 상황으로 이어지고 있습니다. 각 그룹이 이러한 발전에 어떻게 적응하고, 새로운 도구를 사용하며, 독창성 및 윤리에 대한 우려를 어떻게 해결해 나가는지 살펴보는 것은 흥미로운 일입니다. 음악 생성 외에도 AI는 라이브 공연 향상, 음악 검색 개선, 제작 프로세스 지원과 같이 음악 산업에서 다른 흥미로운 잠재력을 가지고 있습니다. AI가 음악 산업에서 음악가, 청취자 및 제작자에게 미치는 영향에 대해 자세히 살펴보겠습니다.

‍

음악가에게 미치는 영향

AI는 음악가가 음악을 만드는 방식을 바꾸고 있습니다. 생성적 AI와 통합된 도구는 새로운 멜로디, 코드 진행 및 가사를 생성하는 데 도움이 되어 음악가가 창의적인 장벽을 극복하는 데 도움이 될 수 있습니다. AI는 또한 오래된 데모에서 가져온 John Lennon의 보컬로 만든 The Beatles의 새 노래 "Now And Then"과 같이 미완성 작품을 완성하는 데 사용되었습니다. 그러나 기존 아티스트의 스타일을 모방하는 AI 생성 음악의 증가는 독창성에 대한 우려를 불러일으킵니다. 예를 들어, Bad Bunny와 같은 아티스트는 동의 없이 AI가 자신의 목소리와 스타일을 복제하는 것에 대해 우려하고 있습니다.

AI와 컴퓨터 비전은 음악을 만드는 것 외에도 음악가가 더 나은 공연과 뮤직 비디오를 만들 수 있도록 도울 수 있습니다. 뮤직 비디오는 여러 가지 요소로 구성되며, 그 중 하나는 춤입니다. Ultralytics YOLOv8과 같은 포즈 추정 모델은 이미지와 비디오에서 사람의 포즈를 이해하고 음악과 동기화된 안무 댄스 시퀀스를 만드는 데 중요한 역할을 할 수 있습니다.

AI를 안무에 사용할 수 있는 또 다른 좋은 예는 NVIDIA의 "Dance to Music" 프로젝트입니다. 이 프로젝트에서는 AI와 2단계 프로세스를 사용하여 다양하고 스타일이 일관되며 비트에 맞는 새로운 댄스 동작을 생성했습니다. 먼저 포즈 추정 및 키네마틱 비트 감지기를 사용하여 대규모 댄스 비디오 컬렉션에서 다양한 온더비트 댄스 동작을 학습했습니다. 그런 다음 생성적 AI 모델을 사용하여 이러한 댄스 동작을 음악의 리듬과 스타일에 맞는 안무로 구성했습니다. AI가 안무한 댄스 동작은 뮤직 비디오에 흥미로운 시각적 요소를 추가하고 아티스트가 더욱 창의적으로 작업할 수 있도록 돕습니다.

청취자에게 미치는 영향

리스너의 경우 AI는 음악 검색 및 청취 경험을 향상시킬 수 있습니다. Spotify 및 Apple Music과 같은 플랫폼은 AI를 사용하여 개인 맞춤형 재생 목록을 큐레이팅하고 사용자의 청취 습관을 기반으로 새로운 음악을 추천합니다. 이러한 플랫폼에서 새로운 아티스트와 장르를 발견하는 것은 AI의 마법입니다. 

AI 기반 가상 현실(VR)은 라이브 콘서트 경험도 향상시키고 있습니다. 예를 들어, Travis Scott은 VR을 사용하여 전 세계 관객에게 다가가는 가상 공연을 만듭니다. 그러나 TikTok과 같은 플랫폼에서 AI가 생성한 음악이 넘쳐나면서 음악 검색이 어려워질 수 있습니다. 새로운 아티스트가 두각을 나타내기 어려울 수 있습니다.

‍

프로듀서에게 미치는 영향

제작자는 AI를 통해 여러 가지 이점을 얻습니다. 피치 보정, 믹싱 및 마스터링을 지원하는 AI 도구는 제작 프로세스를 간소화합니다. IBM의 Watson Beat와 같은 AI 기반 가상 악기 및 신디사이저는 창의적인 가능성을 확장하는 새로운 사운드와 텍스처를 만들 수 있습니다. 

스트리밍 플랫폼에서 AI는 청취자에게 도움이 될 뿐만 아니라 더 넓은 청중을 만들어 제작자에게도 도움이 됩니다. 그러나 음악가들이 우려하는 것처럼 AI가 기존 아티스트의 스타일을 모방하는 능력은 아티스트의 고유한 목소리와 스타일을 착취하는 것에 대한 윤리적, 법적 문제를 야기합니다. 이로 인해 Universal, Sony, Warner와 같은 주요 음반 회사들이 Suno 및 Udio와 같은 AI 스타트업을 상대로 저작권이 있는 작품을 무단으로 사용하여 모델을 훈련했다는 이유로 소송을 제기하는 등 법적 분쟁이 발생했습니다.

MusicBrainz Picard와 같은 AI 통합 도구를 사용하여 음악 라이브러리 관리

음악 산업의 다양한 이해 관계자에 대한 AI의 영향을 이해함으로써 음악 분야에서 AI의 몇 가지 응용 분야를 간략하게 살펴보았습니다. 이제 음악 분야에서 AI의 보다 구체적인 응용 분야인 MusicBrainz Picard와 같은 AI 기반 음악 관리 도구를 이해해 보겠습니다. 이러한 도구는 디지털 음악 라이브러리를 구성하고 관리하는 데 매우 유용합니다. 

‍

아티스트 이름, 앨범 제목, 트랙 번호와 같은 정확한 메타데이터로 음악 파일을 자동으로 식별하고 태그합니다. MusicBrainz Picard를 사용하면 음악 컬렉션을 체계적으로 관리하기가 더 쉬워집니다. MusicBrainz Picard에 통합된 핵심 기술 중 하나는 AcoustID 오디오 지문입니다. 이러한 지문은 파일에 메타데이터가 없더라도 실제 오디오 콘텐츠를 기반으로 음악 파일을 식별합니다.

왜 이것이 중요할까요? BBC, Google, Amazon, Spotify 및 Pandora와 같은 주요 조직에서는 MusicBrainz 데이터를 활용하여 음악 관련 서비스를 개선합니다. MusicBrainz Picard와 같은 도구로 생성된 메타데이터는 음악 데이터베이스, 태거 애플리케이션 또는 기타 음악 관련 소프트웨어를 구축하는 개발자에게 매우 중요합니다. AI의 근간은 데이터이며, Picard와 같은 도구가 없으면 분석 및 애플리케이션 개발에 필요한 깨끗하고 정확한 데이터를 확보하기가 매우 어려울 것입니다. AI로 강화된 도구가 AI를 사용하고 AI 애플리케이션에 필요한 데이터를 생성하여 개선 및 혁신의 유익한 주기를 형성한다는 점이 흥미롭습니다.

음악 분야 AI에 대한 최종 의견

음악 분야에서 AI가 일으키고 있는 파장에 대해 논의했습니다. AI가 생성한 음악을 둘러싼 법적 환경도 진화하고 있습니다. 미국 저작권청의 규정과 같은 현재 규정은 AI에 의해 전적으로 생성된 작품은 인간의 창작성이 결여되어 저작권으로 보호받을 수 없다고 규정합니다. 그러나 인간이 창작 과정에 상당한 기여를 하는 경우 해당 작품은 저작권 보호를 받을 수 있습니다. AI가 음악 산업에 계속 통합됨에 따라 이러한 문제를 해결하기 위해서는 지속적인 법적, 윤리적 논의가 중요할 것입니다. 앞으로 AI는 기술과 인간의 창의성을 결합하여 음악 창작 및 제작의 가능성을 확장하는 엄청난 잠재력을 가지고 있습니다.

GitHub 리포지토리를 방문하고 활발한 커뮤니티에 참여하여 AI를 탐색해 보세요. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션에 대해 알아보세요.