음악에서의 AI: MusicBrainz Picard와 같은 응용 프로그램 및 도구

인공지능(AI)은 기계에서 인간의 지능을 재현하는 것을 목표로 합니다. 인간다운 삶의 중요한 부분은 예술, 특히 음악과의 교감입니다. 음악은 우리의 문화와 감정에 깊은 영향을 미칩니다. AI의 발전 덕분에 이제 기계는 인간이 작곡한 것 같은 음악을 만들어낼 수 있습니다. AI 음악은 인간과 AI 간의 혁신적인 협업을 위한 새로운 가능성을 열어주며, 우리가 음악을 경험하고 상호작용하는 방식을 변화시키고 있습니다.

이 글에서는 AI가 음악을 생성하는 데 어떻게 사용되는지 살펴봅니다. 또한 AI와 MusicBrainz Picard와 같은 음악 태깅 도구 간의 관계, 그리고 이들이 아티스트, 프로듀서 및 엔터테인먼트 산업 전반에 미치는 영향에 대해 논의합니다.

사운드 AI와 그 중요성#

AI는 소리를 포함한 다양한 유형의 데이터를 처리할 수 있습니다. 오디오 데이터라고도 불리는 사운드 데이터는 시간에 따른 다양한 강도의 파형이 혼합된 것입니다. 이미지나 시계열 데이터와 마찬가지로, 오디오 데이터도 AI 시스템이 처리하고 분석할 수 있는 형식으로 변환될 수 있습니다. 음파는 AI 모델이 분석할 수 있는 수치 데이터로 변환될 수 있습니다.

또 다른 흥미로운 방법은 소리 파동을 스펙트로그램으로 변환하는 푸리에 변환을 사용하는 것입니다. 스펙트로그램은 소리의 다양한 주파수가 시간에 따라 어떻게 변하는지 보여주는 시각적 표현입니다. AI 모델은 이 스펙트로그램을 이미지처럼 다루어 이미지 인식 기술을 적용하고 오디오 데이터를 분석 및 해석할 수 있습니다. AI는 시각 데이터에서 하듯 소리 속의 패턴과 특징을 식별할 수 있습니다.

그림 1. AI에 의해 소리가 분류되는 예시.

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

• 음악 생성 및 작곡: 기존 작곡을 학습하여 새로운 음악을 만들고, 뮤지션의 멜로디, 화성 및 리듬 작업을 지원합니다.
• 오디오 향상 및 노이즈 제거: 콜센터, 보청기, 오디오 편집을 위해 백그라운드 노이즈를 줄여 오디오 품질을 향상합니다.
• 팟캐스트 요약: 콘텐츠를 더 쉽게 소비할 수 있도록 팟캐스트 에피소드의 간결한 요약을 생성합니다.
• 음성 감정 감지: 고객 서비스, 정신 건강 모니터링, 사용자 경험 연구를 위해 음성에서 감정을 감지합니다.

AI 노래 생성기 작동 원리 이해하기#

AI 곡 생성기는 이미지 생성과 유사하게 기존 음악을 분석하고 학습하여 작동합니다. 음악을 이해하는 데 AI를 사용하는 것과 음악을 생성하는 데 AI를 사용하는 것의 차이를 이해하는 것이 중요합니다. 음악을 이해하는 것은 패턴을 분석하고 식별하는 것을 포함하며, 음악을 생성하는 것은 학습된 패턴을 바탕으로 새로운 작곡을 만들어내는 것을 포함합니다.

그림 2. AI를 사용한 음악 이해와 AI 음악 생성 비교.

AI 음악 생성 과정은 다양한 장르와 스타일을 포함하는 방대한 음악 데이터셋을 수집하는 것에서 시작합니다. 그 후 데이터셋은 음표, 화음, 리듬과 같은 더 작은 구성 요소로 분해되며, AI가 처리할 수 있는 수치 데이터로 변환됩니다.

음악을 생성하도록 훈련할 수 있는 다양한 생성형 AI 모델이 존재합니다. 예를 들어, Transformer와 Variational Autoencoder(VAE) 같은 AI 모델은 함께 작동하여 음악을 생성할 수 있습니다. VAE는 음악의 다양성과 풍부함을 포착하기 위해 유사한 음악 조각들을 서로 가깝게 그룹화하여 입력 사운드를 잠재 공간으로 압축할 수 있습니다. 그런 다음 Transformer는 이 잠재 공간을 사용하여 패턴을 이해하고 시퀀스의 중요한 음정에 집중함으로써 새로운 음악을 생성합니다.

AI 모델이 이 데이터로 훈련되면, AI는 학습한 내용을 바탕으로 다음 음표나 화음을 예측하여 새로운 음악을 생성할 수 있습니다. 이러한 예측을 연결하여 전체 곡을 만들 수도 있습니다. 생성된 음악은 특정 스타일이나 선호도에 맞춰 미세 조정될 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: 텍스트 설명이나 기존 멜로디에서 음악을 만들며, EnCodec이라는 도구를 사용하여 오디오 데이터를 처리합니다.
• Stability AI의 Stable Audio 2.0: 텍스트 및 오디오 입력을 통해 고품질 오디오 트랙과 음향 효과를 생성하며, 전체 트랙을 만들고 프롬프트를 기반으로 오디오 샘플을 변형할 수 있습니다.

AI가 음악 산업에 미치는 영향#

AI 혁신은 음악가, 청취자, 프로듀서에게 새로운 기회와 과제를 창출하며 이전에 경험하지 못했을 상황으로 이끌고 있습니다. 각 그룹이 이러한 발전 양상에 적응하고, 새로운 도구를 사용하며, 독창성과 윤리에 관한 우려를 헤쳐 나가는 모습은 흥미롭습니다. 음악 생성 외에도 AI는 라이브 공연 강화, 음악 발견 개선, 제작 과정 지원 등 음악 산업에서 다른 흥미로운 잠재력을 가지고 있습니다. AI가 음악 산업의 음악가, 청취자, 프로듀서에게 미치는 영향을 자세히 살펴보겠습니다.

그림 3. 생성형 AI가 음악 산업에 미치는 영향.

뮤지션에게 미치는 영향#

AI는 음악가들이 음악을 만드는 방식을 바꾸고 있습니다. 생성형 AI가 통합된 도구는 새로운 멜로디, 코드 진행, 가사를 생성하는 데 도움을 주어 음악가들이 창작의 벽을 쉽게 극복할 수 있도록 합니다. AI는 또한 오래된 데모의 존 레논 보컬로 만든 비틀즈의 새 노래 "Now And Then"과 같은 미완성 작품을 완성하는 데 사용되기도 했습니다. 그러나 기성 아티스트의 스타일을 모방하는 AI 생성 음악의 급증은 독창성에 대한 우려를 낳습니다. 예를 들어, Bad Bunny 같은 아티스트들은 AI가 동의 없이 자신의 목소리와 스타일을 복제하는 것에 대해 우려하고 있습니다.

음악 제작을 넘어, AI와 컴퓨터 비전은 음악가들이 더 나은 공연과 뮤직비디오를 구성하는 데 도움을 줄 수 있습니다. 뮤직비디오는 다양한 요소로 구성되며, 그 요소 중 하나가 춤입니다. Ultralytics YOLOv8과 같은 포즈 추정 모델은 이미지와 비디오에서 인간의 포즈를 이해하고 음악과 동기화된 안무 시퀀스를 만드는 데 역할을 할 수 있습니다.

안무에 AI를 사용할 수 있는 또 다른 좋은 예는 NVIDIA의 "Dance to Music" 프로젝트입니다. 이 프로젝트에서는 AI와 2단계 프로세스를 사용하여 다양하고, 스타일이 일관되며, 비트에 맞는 새로운 춤 동작을 생성했습니다. 먼저 포즈 추정과 키네마틱 비트 detector를 사용하여 방대한 춤 비디오 컬렉션에서 다양한 비트 맞춤 춤 동작을 학습했습니다. 그런 다음 생성형 AI 모델을 사용하여 이러한 춤 동작을 음악의 리듬과 스타일에 맞는 안무로 구성했습니다. AI로 안무된 춤 동작은 뮤직비디오에 흥미로운 시각적 요소를 더하고 아티스트가 더 창의적이 될 수 있도록 돕습니다.

청취자에게 미치는 영향#

청취자에게 AI는 음악 발견 및 청취 경험을 향상시킬 수 있습니다. Spotify 및 Apple Music 같은 플랫폼은 AI를 사용하여 사용자의 청취 습관을 바탕으로 개인화된 재생 목록을 큐레이션하고 새로운 음악을 추천합니다. 이러한 플랫폼에서 새로운 아티스트와 장르를 발견할 때, 그것이 바로 AI의 마법입니다.

AI 기반 가상현실(VR) 또한 라이브 콘서트 경험을 향상시키고 있습니다. 예를 들어, Travis Scott은 VR을 사용하여 전 세계 청중에게 다가가는 가상 공연을 만듭니다. 그러나 TikTok 같은 플랫폼에 AI 생성 음악이 넘쳐나면 음악 발견 과정이 압도적으로 변할 수 있습니다. 이로 인해 신진 아티스트가 두각을 나타내기 어려워질 수 있습니다.

그림 4. AI는 가상현실(VR) 콘서트 경험을 가능하게 합니다.

프로듀서에게 미치는 영향#

프로듀서들은 여러 면에서 AI의 혜택을 받습니다. 피치 보정, 믹싱 및 마스터링을 지원하는 AI 도구는 프로덕션 과정을 간소화합니다. IBM의 Watson Beat와 같은 AI 기반 가상 악기 및 신디사이저는 창작의 가능성을 확장하는 새로운 사운드와 질감을 만들어낼 수 있습니다.

스트리밍 플랫폼의 AI는 청취자에게만 혜택이 되는 것이 아니라, 더 넓은 청중을 확보하여 프로듀서에게도 도움이 됩니다. 그러나 음악가들이 우려하는 것처럼, 기성 아티스트의 스타일을 모방하는 AI의 능력은 아티스트 고유의 목소리와 스타일을 착취하는 것에 대한 윤리적, 법적 문제를 제기합니다. 이는 유니버설, 소니, 워너 같은 대형 음악 기업들이 허가 없이 모델을 훈련하기 위해 저작권이 있는 저작물을 사용한 혐의로 Suno 및 Udio 같은 AI 스타트업을 상대로 제기한 소송과 같은 법적 분쟁으로 이어졌습니다.

MusicBrainz Picard와 같은 AI 통합 도구로 음악 라이브러리 관리하기#

우리는 음악 산업의 다양한 이해관계자에게 미치는 영향을 통해 음악 분야의 AI 애플리케이션을 간략하게 살펴보았습니다. 이제 음악에서 AI의 더 구체적인 애플리케이션인 MusicBrainz Picard와 같은 AI 강화 음악 관리 도구에 대해 알아보겠습니다. 이러한 도구는 디지털 음악 라이브러리를 정리하고 관리하는 데 매우 유용합니다.

그림 5. 음악 라이브러리는 AI를 사용하여 관리할 수 있습니다.

이 도구들은 아티스트 이름, 앨범 제목, 트랙 번호와 같은 정확한 메타데이터를 사용하여 음악 파일을 자동으로 식별하고 태그를 지정합니다. MusicBrainz Picard를 사용하면 음악 컬렉션을 잘 정리된 상태로 유지하기가 더 쉬워집니다. MusicBrainz Picard에 통합된 핵심 기술 중 하나는 AcoustID 오디오 핑거프린트입니다. 이러한 핑거프린트는 파일에 메타데이터가 없는 경우에도 실제 오디오 콘텐츠를 기반으로 음악 파일을 식별합니다.

이것이 왜 그렇게 중요할까요? BBC, Google, Amazon, Spotify, Pandora 같은 주요 조직들은 음악 관련 서비스를 강화하기 위해 MusicBrainz 데이터에 의존합니다. MusicBrainz Picard 같은 도구로 생성된 메타데이터는 음악 데이터베이스, 태거 애플리케이션 또는 기타 음악 관련 소프트웨어를 구축하는 개발자에게 매우 중요합니다. AI의 뼈대는 데이터이며, Picard 같은 도구가 없다면 분석과 애플리케이션 개발에 필요한 깨끗하고 정확한 데이터를 얻기 매우 어려울 것입니다. AI 강화 도구가 AI를 활용하면서 동시에 AI 애플리케이션에 필요한 데이터를 생성하여 개선과 혁신의 유익한 순환을 형성한다는 점은 매력적입니다.

음악 속 AI에 대한 마지막 메모#

우리는 음악 분야에서 AI가 일으키고 있는 파장에 대해 논의했습니다. AI 생성 음악을 둘러싼 법적 환경 또한 진화하고 있습니다. 미국 저작권청 등의 규정과 같은 현행 규정에 따르면, 완전한 AI 생성 저작물은 인간의 저작자 표시가 부족하므로 저작권을 인정받을 수 없습니다. 그러나 인간이 창작 과정에 상당 부분 기여하는 경우, 해당 저작물은 저작권 보호를 받을 자격이 있을 수 있습니다. AI가 음악 산업에 계속해서 통합됨에 따라, 이러한 과제들을 헤쳐 나가는 데 지속적인 법적 및 윤리적 논의가 필수적일 것입니다. 앞으로 AI는 음악 분야에서 엄청난 잠재력을 가지고 있으며, 기술과 인간의 창조성을 결합하여 음악 창작과 제작의 가능성을 확장할 것입니다.

당사의 GitHub 저장소를 방문하고 활기찬 커뮤니티에 참여하여 AI를 탐색해 보세요. 솔루션 페이지에서 제조업 및 농업 분야의 AI 활용 사례에 대해 알아보세요.