음악 분야의 AI: MusicBrainz Picard와 같은 활용 사례 및 도구

인공지능(AI)은 기계에서 인간의 지능을 재현하는 것과 관련이 있습니다. 인간다움의 중요한 부분은 예술, 특히 음악과의 연결입니다. 음악은 우리의 문화와 감정에 깊은 영향을 미칩니다. 인공지능의 발전 덕분에 이제 기계는 사람이 작곡한 것처럼 들리는 음악을 만들 수 있습니다. AI 음악은 인간과 인공지능 간의 혁신적인 협업을 위한 새로운 가능성을 열고, 음악을 경험하고 상호작용하는 방식을 변화시킵니다.

이 글에서는 음악을 만드는 데 인공지능이 어떻게 사용되는지 살펴봅니다. 또한 인공지능과 MusicBrainz Picard 같은 음악 태깅 도구의 연관성, 그리고 이러한 도구가 아티스트, 프로듀서 및 엔터테인먼트 산업 전반에 미치는 영향에 대해서도 논의합니다.

사운드 AI와 그 중요성#

인공지능은 사운드를 비롯한 다양한 유형의 데이터를 처리할 수 있습니다. 오디오 데이터라고도 하는 사운드 데이터는 시간에 따라 서로 다른 강도로 나타나는 파동 주파수의 조합입니다. 이미지나 시계열 데이터와 마찬가지로 오디오 데이터도 AI 시스템이 처리하고 분석할 수 있는 형식으로 변환할 수 있습니다. 사운드파는 AI 모델이 분석할 수 있는 수치 데이터로 변환할 수 있습니다.

또 다른 흥미로운 방법은 사운드파를 스펙트로그램으로 변환하는 푸리에 변환을 사용하는 것입니다. 스펙트로그램은 시간에 따라 사운드의 다양한 주파수가 어떻게 변하는지 보여주는 시각적 표현입니다. AI 모델은 이 스펙트로그램을 이미지처럼 취급하여 이미지 인식 기법으로 오디오 데이터를 분석하고 해석할 수 있습니다. 인공지능은 시각 데이터에서와 마찬가지로 사운드 내의 패턴과 특징을 식별할 수 있습니다.

그림 1. AI가 사운드를 분류하는 예시입니다.

인공지능을 사용하여 오디오 데이터를 분석하고 조작하며 생성하면 다양한 애플리케이션을 구현할 수 있습니다. 다음은 몇 가지 예입니다.

• 음악 생성 및 작곡: 기존 작곡을 학습하여 새로운 음악을 만들고, 음악가의 멜로디, 화음 및 리듬 작업을 지원합니다.
• 오디오 향상 및 노이즈 감소: 콜센터, 보청기 및 오디오 편집에서 배경 소음을 줄여 오디오 품질을 향상합니다.
• 팟캐스트 요약: 콘텐츠를 더 쉽게 소비할 수 있도록 팟캐스트 에피소드의 간결한 요약을 생성합니다.
• 음성에서 감정 감지: 고객 서비스, 정신 건강 모니터링 및 사용자 경험 연구를 위해 음성에 담긴 감정을 감지합니다.

AI 음악 생성기의 작동 방식 이해하기#

AI 음악 생성기는 이미지 생성과 유사하게 기존 음악을 분석하고 학습하여 작동합니다. 음악을 이해하는 데 인공지능을 사용하는 것과 음악을 생성하는 데 인공지능을 사용하는 것의 차이를 이해하는 것이 중요합니다. 음악을 이해하는 과정에는 패턴을 분석하고 식별하는 작업이 포함되며, 음악을 생성하는 과정에는 학습한 패턴을 바탕으로 새로운 작곡을 만드는 작업이 포함됩니다.

그림 2. AI를 사용한 음악 이해와 AI 음악 생성 비교입니다.

AI 음악 생성 과정은 다양한 장르와 스타일을 포함하는 대규모 음악 데이터셋을 수집하는 것에서 시작합니다. 그런 다음 데이터셋을 음표, 코드 및 리듬과 같은 더 작은 구성 요소로 나누고, AI가 처리할 수 있는 수치 데이터로 변환합니다.

음악을 생성하도록 학습할 수 있는 다양한 생성형 AI 모델이 있습니다. 예를 들어 Transformer 및 변분 오토인코더(VAEs)와 같은 AI 모델은 함께 작동하여 음악을 생성할 수 있습니다. VAE는 유사한 음악 조각을 서로 가깝게 그룹화하여 입력 사운드를 잠재 공간으로 압축하고 음악의 다양성과 풍부함을 포착할 수 있습니다. 그런 다음 Transformer는 이 잠재 공간을 사용하여 패턴을 이해하고 시퀀스에서 중요한 음표에 집중함으로써 새로운 음악을 생성합니다.

AI 모델이 이 데이터를 바탕으로 학습되면, 학습한 내용을 바탕으로 다음 음표나 코드를 예측하여 새로운 음악을 생성할 수 있습니다. 이러한 예측을 이어 붙여 전체 작곡을 만들 수 있습니다. 생성된 음악은 특정 스타일이나 선호도에 맞게 미세 조정할 수 있습니다.

이 기술을 사용하는 음악 생성기가 점점 더 많이 등장하고 있습니다. 다음은 몇 가지 예입니다.

• Google의 MusicLM: 텍스트 프롬프트를 기반으로 음악을 생성하며, 사용자가 장르, 분위기, 악기 및 전반적인 느낌을 지정할 수 있습니다.
• Meta의 MusicGen: EnCodec이라는 도구를 사용하여 오디오 데이터를 처리하고, 텍스트 설명이나 기존 멜로디에서 음악을 생성합니다.
• Stability AI의 Stable Audio 2.0: 텍스트 및 오디오 입력으로 고품질 오디오 트랙과 음향 효과를 생성하며, 전체 트랙을 만들고 프롬프트를 바탕으로 오디오 샘플을 변환할 수 있습니다.

인공지능이 음악 산업에 미치는 영향#

AI 혁신은 음악가, 청취자 및 프로듀서에게 새로운 기회와 과제를 만들어 내며, 이전에는 경험하지 못했을 상황으로 이어지고 있습니다. 각 집단이 이러한 발전에 어떻게 적응하고 새로운 도구를 사용하며 독창성과 윤리에 관한 우려를 어떻게 헤쳐 나가는지 살펴보는 것은 흥미롭습니다. 음악 생성 외에도 인공지능은 라이브 공연 향상, 음악 탐색 개선 및 제작 과정 지원 등 음악 산업에서 다른 흥미로운 잠재력을 지니고 있습니다. 이제 AI가 음악 산업의 음악가, 청취자 및 프로듀서에게 어떤 영향을 미치는지 자세히 살펴보겠습니다.

그림 3. 생성형 AI가 음악 산업에 미치는 영향입니다.

음악가에게 미치는 영향#

인공지능은 음악가가 음악을 만드는 방식을 변화시키고 있습니다. 생성형 AI가 통합된 도구는 새로운 멜로디, 코드 진행 및 가사를 생성하는 데 도움을 주어 음악가가 창작의 난관을 극복하기 쉽게 합니다. 인공지능은 미완성 작품을 완성하는 데에도 사용되었으며, 그 예로 오래된 데모의 John Lennon 보컬을 활용해 만든 The Beatles의 신곡 "Now And Then"이 있습니다. 그러나 기존 아티스트의 스타일을 모방하는 AI 생성 음악의 부상은 독창성에 대한 우려를 불러일으킵니다. 예를 들어 Bad Bunny와 같은 아티스트는 동의 없이 인공지능이 자신의 목소리와 스타일을 복제할 수 있다는 점을 우려하고 있습니다.

음악을 만드는 것을 넘어, 인공지능과 컴퓨터 비전은 음악가가 더 나은 공연과 뮤직비디오를 제작하는 데 도움을 줄 수 있습니다. 뮤직비디오는 여러 요소로 구성되며, 그중 하나가 춤입니다. 포즈 추정 모델인 Ultralytics YOLOv8은 이미지와 동영상 속 사람의 포즈를 이해하고 음악에 맞춰 동기화된 안무 댄스 시퀀스를 제작하는 데 기여할 수 있습니다.

AI를 안무에 활용하는 또 다른 좋은 예로 NVIDIA의 "Dance to Music" 프로젝트를 들 수 있습니다. 이 프로젝트에서는 인공지능과 2단계 프로세스를 사용하여 다양하고 스타일이 일관되며 비트에 맞는 새로운 춤 동작을 생성했습니다. 먼저 포즈 추정과 운동학적 비트 감지기를 사용하여 대규모 댄스 동영상 모음에서 다양한 비트 동기화 춤 동작을 학습했습니다. 그런 다음 생성형 AI 모델을 사용하여 이러한 춤 동작을 음악의 리듬과 스타일에 맞는 안무로 구성했습니다. AI가 만든 춤 동작은 뮤직비디오에 흥미로운 시각적 요소를 더하고 아티스트가 더욱 창의적으로 활동하도록 돕습니다.

청취자에게 미치는 영향#

청취자에게 인공지능은 음악을 발견하고 듣는 경험을 향상할 수 있습니다. Spotify와 같은 플랫폼 및 Apple Music은 인공지능을 사용하여 개인화된 플레이리스트를 큐레이션하고 사용자의 청취 습관을 바탕으로 새로운 음악을 추천합니다. 이러한 플랫폼에서 새로운 아티스트와 장르를 발견할 수 있는 것은 AI의 마법입니다.

AI 기반 가상 현실(VR)은 라이브 콘서트 경험도 향상하고 있습니다. 예를 들어 Travis Scott은 VR을 사용하여 전 세계 관객에게 다가가는 가상 공연을 만듭니다. 그러나 TikTok과 같은 플랫폼에 AI 생성 음악이 넘쳐나면서 음악을 발견하는 일이 부담스러워질 수 있습니다. 이로 인해 신인 아티스트가 두각을 나타내기 어려워질 수 있습니다.

그림 4. AI로 가상 현실(VR) 콘서트 경험이 가능해집니다.

프로듀서에게 미치는 영향#

프로듀서는 여러 방식으로 AI의 혜택을 얻습니다. 피치 보정, 믹싱 및 마스터링을 지원하는 AI 도구는 제작 과정을 간소화합니다. IBM의 Watson Beat와 같은 AI 기반 가상 악기와 신시사이저는 새로운 사운드와 질감을 만들어 창작의 가능성을 넓힐 수 있습니다.

스트리밍 플랫폼의 AI는 청취자에게만 도움이 되는 것이 아니라 더 많은 청중을 확보하여 프로듀서에게도 도움을 줍니다. 그러나 음악가들이 우려하는 것과 마찬가지로, 기존 아티스트의 스타일을 모방하는 인공지능의 능력은 아티스트 고유의 목소리와 스타일을 착취하는 것과 관련된 윤리적·법적 문제를 제기합니다. 이로 인해 Suno 및 Udio와 같은 AI 스타트업이 허가 없이 저작권 보호 작품을 모델 학습에 사용했다는 혐의로 Universal, Sony 및 Warner와 같은 주요 음악 회사가 제기한 법적 소송 등의 분쟁이 발생했습니다.

MusicBrainz Picard와 같은 AI 통합 도구로 음악 라이브러리 관리하기#

지금까지 음악 산업의 다양한 이해관계자에게 미치는 영향을 살펴보며 음악에서의 AI 활용 사례를 간략히 알아보았습니다. 이제 음악에서의 보다 구체적인 AI 활용 사례인 MusicBrainz Picard와 같은 AI 강화 음악 관리 도구에 대해 알아보겠습니다. 이러한 도구는 디지털 음악 라이브러리를 정리하고 관리하는 데 매우 유용합니다.

그림 5. AI를 사용하여 음악 라이브러리를 관리할 수 있습니다.

이러한 도구는 아티스트 이름, 앨범 제목 및 트랙 번호와 같은 정확한 메타데이터를 사용하여 음악 파일을 자동으로 식별하고 태그를 지정합니다. MusicBrainz Picard를 사용하면 음악 컬렉션을 체계적으로 정리하기가 더 쉬워집니다. MusicBrainz Picard에 통합된 핵심 기술 중 하나는 AcoustID 오디오 지문입니다. 이러한 지문은 파일에 메타데이터가 없는 경우에도 실제 오디오 콘텐츠를 기반으로 음악 파일을 식별합니다.

왜 이것이 중요할까요? 주요 기관인 BBC, Google, Amazon, Spotify 및 Pandora는 음악 관련 서비스를 개선하기 위해 MusicBrainz 데이터에 의존합니다. MusicBrainz Picard와 같은 도구가 생성하는 메타데이터는 음악 데이터베이스, 태거 애플리케이션 또는 기타 음악 관련 소프트웨어를 구축하는 개발자에게 매우 중요합니다. AI의 기반은 데이터이며, Picard와 같은 도구가 없다면 분석 및 애플리케이션 개발에 필요한 정제되고 정확한 데이터를 확보하기가 매우 어려울 것입니다. AI 강화 도구가 AI를 사용하면서 동시에 AI 애플리케이션에 필요한 데이터를 만드는 데도 도움을 주어, 개선과 혁신의 선순환을 형성한다는 점은 매우 흥미롭습니다.

음악 속 AI에 대한 마무리#

지금까지 음악 분야의 인공지능이 일으키고 있는 변화를 살펴보았습니다. AI 생성 음악을 둘러싼 법적 환경도 변화하고 있습니다. 미국 저작권청 등의 현행 규정에 따르면, 전적으로 AI가 생성한 저작물은 인간 저작자가 없으므로 저작권 보호를 받을 수 없습니다. 그러나 인간이 창작 과정에 상당한 기여를 했다면 해당 저작물은 저작권 보호 대상이 될 수 있습니다. 인공지능이 음악 산업에 계속 통합됨에 따라 이러한 과제를 헤쳐 나가기 위해서는 지속적인 법적·윤리적 논의가 필수적입니다. 앞으로 인공지능은 음악에서 엄청난 잠재력을 지니며, 기술과 인간의 창의성을 결합하여 음악 창작과 제작의 가능성을 확장할 수 있습니다.

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