IA na música: aplicações e ferramentas como o MusicBrainz Picard

A inteligência artificial (AI) busca reproduzir a inteligência humana em máquinas. Um aspecto importante da experiência humana é nossa relação com as artes, especialmente com a música. A música influencia profundamente nossa cultura e nossas emoções. Graças aos avanços da IA, as máquinas agora conseguem criar músicas que parecem ter sido compostas por pessoas. A música gerada por IA abre novas possibilidades para colaborações inovadoras entre seres humanos e IA, além de transformar a maneira como vivenciamos e interagimos com a música.

Neste artigo, vamos explorar como a IA é usada para criar música. Também vamos discutir a conexão entre a IA e ferramentas de identificação musical como o MusicBrainz Picard, além do impacto dessas ferramentas sobre artistas, produtores e o setor de entretenimento como um todo.

IA de áudio e sua importância#

A IA pode processar vários tipos de dados, incluindo som. Os dados sonoros, muitas vezes chamados de dados de áudio, são uma combinação de frequências de onda com diferentes intensidades ao longo do tempo. Assim como imagens ou dados de séries temporais, os dados de áudio podem ser transformados em um formato que os sistemas de IA conseguem processar e analisar. As ondas sonoras podem ser convertidas em dados numéricos que os modelos de IA podem analisar.

Outro método interessante é usar transformadas de Fourier, que convertem ondas sonoras em um espectrograma. Um espectrograma é uma representação visual que mostra como as diferentes frequências do som variam ao longo do tempo. Os modelos de IA podem aplicar técnicas de reconhecimento de imagens para analisar e interpretar os dados de áudio, tratando o espectrograma como uma imagem. A IA consegue identificar padrões e características no som, assim como faria com dados visuais.

Fig. 1. Exemplo de classificação de som por IA.

Usar a IA para analisar, manipular e gerar dados de áudio permite diversas aplicações. Veja alguns exemplos:

• Geração e composição musical: Criar músicas novas aprendendo com composições existentes e ajudar músicos com melodias, harmonias e ritmos.
• Aprimoramento de áudio e redução de ruído: Melhoria da qualidade do áudio com a redução do ruído de fundo em centrais de atendimento, aparelhos auditivos e edição de áudio.
• Resumo de podcasts: Gerar resumos concisos de episódios de podcast para facilitar o consumo do conteúdo.
• Detecção de emoções na fala: Detecção de emoções na fala para atendimento ao cliente, monitoramento da saúde mental e pesquisa sobre a experiência do usuário.

Como funcionam os geradores de músicas com IA#

Os geradores de músicas com IA funcionam analisando e aprendendo com músicas existentes, de forma semelhante à geração de imagens. É importante entender a diferença entre usar IA para compreender música e usá-la para gerá-la. Compreender música envolve analisar e identificar padrões, enquanto gerar música envolve criar novas composições com base nos padrões aprendidos.

Fig. 2. Comparação entre a compreensão musical com IA e a geração de música por IA.

O processo de geração de música por IA começa com a coleta de um grande conjunto de dados musicais, que inclui vários gêneros e estilos. Em seguida, o conjunto de dados é dividido em componentes menores, como notas, acordes e ritmos, que são convertidos em dados numéricos que a IA consegue processar.

Há muitos modelos de IA generativa diferentes que podem ser treinados para gerar música. Por exemplo, modelos de IA como Transformers e Autoencoders Variacionais (VAEs) podem trabalhar em conjunto para gerar música. Os VAEs podem comprimir os sons de entrada em um espaço latente, agrupando trechos musicais semelhantes para capturar a diversidade e a riqueza da música. Em seguida, os Transformers usam esse espaço latente para gerar músicas novas, aprendendo padrões e dando atenção às notas importantes de uma sequência.

Depois que um modelo de IA é treinado com esses dados, a IA pode gerar músicas novas prevendo a próxima nota ou acorde com base no que aprendeu. Ela pode criar composições inteiras encadeando essas previsões. A música gerada pode ser ajustada para corresponder a estilos ou preferências específicos.

Já começam a surgir mais geradores de música que usam essa tecnologia. Veja alguns exemplos:

• MusicLM do Google: Gera músicas com base em prompts de texto, permitindo que os usuários especifiquem o gênero, o clima, os instrumentos e a atmosfera geral.
• MusicGen da Meta: Cria músicas a partir de descrições em texto ou melodias existentes, usando uma ferramenta chamada EnCodec para processar dados de áudio.
• Stable Audio 2.0 da Stability AI: Produz faixas de áudio e efeitos sonoros de alta qualidade a partir de entradas de texto e áudio, podendo criar faixas completas e transformar amostras de áudio com base em prompts.

O impacto da IA no setor musical#

A inovação em IA está criando novas oportunidades e desafios para músicos, ouvintes e produtores, levando a situações que talvez nunca tenham enfrentado. É interessante observar como cada grupo está se adaptando a esses avanços, usando novas ferramentas e lidando com preocupações sobre originalidade e ética. Além de gerar música, a IA tem outras possibilidades promissoras no setor musical, como aprimorar apresentações ao vivo, melhorar a descoberta de músicas e auxiliar nos processos de produção. Vamos analisar mais de perto como a IA está afetando músicos, ouvintes e produtores do setor musical.

Fig. 3. O impacto da IA generativa no setor musical.

Impacto sobre os músicos#

A IA está mudando a maneira como os músicos criam música. Ferramentas integradas à IA generativa podem ajudar a criar novas melodias, progressões de acordes e letras, facilitando a superação de bloqueios criativos. A IA também foi usada para concluir obras inacabadas, como a nova música dos Beatles, “Now And Then”, criada com os vocais de John Lennon de uma antiga gravação demo. No entanto, o aumento da música gerada por IA que imita o estilo de artistas consagrados levanta preocupações sobre originalidade. Por exemplo, artistas como Bad Bunny temem que a IA reproduza suas vozes e seus estilos sem consentimento.

Além de criar música, a IA e a visão computacional podem ajudar os músicos a preparar apresentações e videoclipes melhores. Um videoclipe é composto de muitos elementos diferentes, e a dança é um deles. Modelos de estimativa de pose como o Ultralytics YOLOv8 conseguem compreender poses humanas em imagens e vídeos e contribuir para a criação de sequências de dança coreografadas e sincronizadas com a música.

Outro bom exemplo de uso da IA na coreografia é o projeto “Dance to Music” da NVIDIA. Nesse projeto, a equipe usou IA e um processo em duas etapas para gerar novos passos de dança variados, coerentes com o estilo e sincronizados com a batida. Primeiro, a estimativa de pose e um detector cinemático de batidas foram usados para aprender vários movimentos de dança sincronizados com a batida a partir de uma grande coleção de vídeos de dança. Depois, um modelo de IA generativa foi usado para organizar esses movimentos em uma coreografia que combinasse com o ritmo e o estilo da música. Os passos de dança coreografados por IA acrescentam um elemento visual interessante aos videoclipes e ajudam os artistas a serem mais criativos.

Impacto sobre os ouvintes#

Para os ouvintes, a IA pode melhorar a descoberta de músicas e a experiência de escuta. Plataformas como Spotify e Apple Music usam IA para criar playlists personalizadas e recomendar músicas novas com base nos hábitos de escuta dos usuários. Quando você descobre novos artistas e gêneros nessas plataformas, muitas vezes é a IA que está trabalhando nos bastidores.

A realidade virtual (VR) com IA também está aprimorando as experiências de shows ao vivo. Por exemplo, Travis Scott usa VR para criar apresentações virtuais que alcançam públicos do mundo todo. No entanto, a abundância de músicas geradas por IA em plataformas como o TikTok pode tornar a descoberta musical excessiva. Isso pode dificultar que novos artistas se destaquem.

Fig. 4. A IA possibilita experiências de shows em realidade virtual (VR).

Impacto sobre os produtores#

Os produtores se beneficiam da IA de várias maneiras. Ferramentas de IA que ajudam na correção de afinação, mixagem e masterização agilizam o processo de produção. Instrumentos virtuais e sintetizadores com IA, como o Watson Beat da IBM, podem criar novos sons e texturas que ampliam as possibilidades criativas.

A IA nas plataformas de streaming não beneficia apenas os ouvintes; ela também ajuda os produtores a alcançar um público maior. No entanto, assim como preocupa os músicos, a capacidade da IA de imitar o estilo de artistas consagrados levanta questões éticas e jurídicas sobre a exploração das vozes e dos estilos únicos desses artistas. Isso resultou em disputas judiciais, como processos movidos por grandes empresas da indústria musical, como Universal, Sony e Warner, contra startups de IA como Suno e Udio, por supostamente usarem obras protegidas por direitos autorais para treinar seus modelos sem permissão.

Gerenciamento de bibliotecas musicais com ferramentas integradas à IA, como o MusicBrainz Picard#

Vimos brevemente algumas aplicações da IA na música ao entender seu impacto sobre diferentes partes interessadas do setor musical. Agora, vamos analisar uma aplicação mais específica da IA na música: ferramentas de gerenciamento musical aprimoradas por IA, como o MusicBrainz Picard. Essas ferramentas são úteis para organizar e gerenciar bibliotecas de música digital.

Fig. 5. Bibliotecas musicais podem ser gerenciadas com IA.

Essas ferramentas identificam e marcam automaticamente arquivos de música com metadados precisos, como nomes de artistas, títulos de álbuns e números das faixas. O MusicBrainz Picard facilita a organização de coleções de música. Uma das principais tecnologias integradas ao MusicBrainz Picard são as impressões digitais de áudio do AcoustID. Essas impressões identificam arquivos de música com base em seu conteúdo de áudio real, mesmo quando não têm metadados.

Por que isso é tão importante? Grandes organizações, como BBC, Google, Amazon, Spotify e Pandora, dependem dos dados do MusicBrainz para aprimorar seus serviços relacionados à música. Os metadados criados por ferramentas como o MusicBrainz Picard são fundamentais para desenvolvedores que criam bancos de dados musicais, aplicativos de etiquetagem ou outros softwares relacionados à música. A IA depende de dados e, sem ferramentas como o Picard, seria muito difícil obter os dados limpos e precisos necessários para análise e desenvolvimento de aplicações. Ferramentas aprimoradas por IA como essas também ajudam a criar os dados necessários para aplicações de IA, formando um ciclo benéfico de aprimoramento e inovação.

Considerações finais sobre IA na música#

A IA já está transformando a música, e o cenário jurídico relacionado à música gerada por IA está evoluindo junto com ela. As regulamentações atuais, como as do Escritório de Direitos Autorais dos EUA, estabelecem que obras geradas inteiramente por IA não podem ser protegidas por direitos autorais, pois não têm autoria humana. No entanto, se uma pessoa contribuir significativamente para o processo criativo, a obra poderá se qualificar para proteção por direitos autorais. À medida que a IA se integra ao setor musical, as discussões jurídicas e éticas contínuas serão essenciais para lidar com esses desafios. No futuro, a IA terá um potencial significativo na música, combinando tecnologia e criatividade humana para ampliar as possibilidades de criação e produção musical.

Explore a IA visitando nosso repositório no GitHub e participando da nossa comunidade. Conheça as aplicações da IA na manufatura e na agricultura em nossas páginas de soluções.