A IA na música: Aplicações e ferramentas como o MusicBrainz Picard

A Inteligência Artificial (IA) consiste em recriar a inteligência humana em máquinas. Uma parte importante de ser humano é a nossa ligação com as artes, especialmente a música. A música influencia profundamente a nossa cultura e as nossas emoções. Graças aos avanços da IA, as máquinas já conseguem criar música que parece ter sido composta por humanos. A música gerada por IA abre novas possibilidades para colaborações inovadoras entre humanos e a IA, além de transformar a forma como experienciamos e interagimos com a música.

Neste artigo, exploraremos como a IA é utilizada para criar música. Discutiremos também a ligação entre a IA e ferramentas de etiquetagem musical como o MusicBrainz Picard e o seu impacto nos artistas, produtores e na indústria do entretenimento em geral.

IA sonora e a sua importância#

A IA pode processar vários tipos de dados, incluindo som. Os dados sonoros, frequentemente designados por dados de áudio, são uma mistura de frequências de onda com diferentes intensidades ao longo do tempo. Tal como as imagens ou os dados de séries temporais, os dados de áudio podem ser transformados num formato que os sistemas de IA conseguem processar e analisar. As ondas sonoras podem ser convertidas em dados numéricos que podem ser analisados por modelos de IA.

Outro método interessante consiste em utilizar a Transformada de Fourier, que converte ondas sonoras num espetrograma. Um espetrograma é uma representação visual que mostra como diferentes frequências de som variam ao longo do tempo. Os modelos de IA podem aplicar técnicas de reconhecimento de imagem para analisar e interpretar os dados de áudio, tratando este espetrograma como se fosse uma imagem. A IA consegue identificar padrões e caraterísticas dentro do som, tal como faria com dados visuais.

Fig. 1. Um exemplo de som a ser classificado pela IA.

A utilização de IA para analisar, manipular e gerar dados de áudio cria uma vasta gama de aplicações. Aqui tens alguns exemplos:

• Geração e composição musical: Criação de nova música através da aprendizagem a partir de composições existentes e apoio aos músicos com melodias, harmonias e ritmos.
• Melhoria de áudio e redução de ruído: Melhorar a qualidade do áudio ao reduzir o ruído de fundo para centros de atendimento, aparelhos auditivos e edição de áudio.
• Resumo de podcasts: Geração de resumos concisos de episódios de podcasts para um consumo de conteúdo mais fácil.
• Deteção de emoções a partir da fala: Deteção de emoções na fala para atendimento ao cliente, monitorização da saúde mental e investigação da experiência do utilizador.

Compreender como funcionam os geradores de música por IA#

Os geradores de músicas baseados em IA funcionam analisando e aprendendo com música existente, de forma semelhante à geração de imagens. É importante compreender a diferença entre utilizar a IA para compreender a música e utilizá-la para a gerar. Compreender a música envolve analisar e identificar padrões, enquanto gerá-la implica criar novas composições com base nesses padrões aprendidos.

Fig. 2. Comparação entre a Compreensão Musical Através de IA e a Geração de Música por IA.

O processo de geração de música por IA começa com a recolha de um grande conjunto de dados musicais que inclui vários géneros e estilos. O conjunto de dados é então dividido em componentes mais pequenos, como notas, acordes e ritmos, que são convertidos em dados numéricos que a IA pode processar.

Existem muitos modelos de IA generativa diferentes que podem ser treinados para gerar música. Por exemplo, modelos de IA como os Transformers e os Variational Autoencoders (VAEs) podem trabalhar em conjunto para gerar música. Os VAEs conseguem comprimir sons de entrada num espaço latente, agrupando peças musicais semelhantes para capturar a diversidade e a riqueza da música. Os Transformers utilizam depois este espaço latente para gerar nova música, compreendendo padrões e concentrando-se em notas importantes de uma sequência.

Uma vez que um modelo de IA é treinado nestes dados, a IA pode gerar nova música ao prever a próxima nota ou acorde com base no que aprendeu. Pode criar composições completas ligando estas previsões. A música gerada pode ser ajustada para corresponder a estilos ou preferências específicas.

Estamos a começar a ver mais geradores de música a utilizar esta tecnologia. Aqui estão alguns exemplos:

• MusicLM do Google: Gera música baseada em prompts de texto, permitindo aos utilizadores especificar o género, o estado de espírito, os instrumentos e a sensação geral.
• MusicGen da Meta: Cria música a partir de descrições de texto ou melodias existentes, utilizando 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, sendo capaz de criar faixas completas e transformar amostras de áudio com base em prompts.

O impacto da IA na indústria musical#

A inovação em IA está a criar novas oportunidades e desafios para músicos, ouvintes e produtores, conduzindo a situações que poderão nunca ter vivido antes. É interessante observar a forma como cada grupo se está a adaptar a estes avanços, a utilizar novas ferramentas e a lidar com preocupações sobre a originalidade e a ética. Para além de gerar música, a IA tem outro potencial entusiasmante na indústria musical, como melhorar atuações ao vivo, otimizar a descoberta de música e auxiliar nos processos de produção. Vejamos mais de perto como a IA está a afetar músicos, ouvintes e produtores na indústria musical.

Fig. 3. O Impacto da IA Generativa na Indústria Musical.

Impacto nos músicos#

A IA está a mudar a forma como os músicos criam música. As ferramentas integradas com IA generativa podem ajudar a criar novas melodias, progressões de acordes e letras, facilitando a superação de bloqueios criativos por parte dos músicos. A IA também tem sido utilizada para concluir obras inacabadas, como a nova música dos The Beatles, "Now And Then", criada com a voz de John Lennon a partir de uma maququeta antiga. No entanto, o crescimento de música gerada por IA que imita o estilo de artistas consagrados levanta preocupações sobre a originalidade. Por exemplo, artistas como Bad Bunny estão preocupados com o facto de a IA replicar as suas vozes e estilos sem consentimento.

Para além de criar música, a IA e a visão por computador podem ajudar os músicos a montar melhores atuações e vídeos musicais. Um vídeo musical é composto por muitos elementos diferentes, sendo um deles a dança. Modelos de estimativa de pose como o Ultralytics YOLOv8 conseguem compreender poses humanas em imagens e vídeos, desempenhando um papel na criação de sequências de dança coreografadas que estão sincronizadas com a música.

Outro bom exemplo de como a IA pode ser utilizada para coreografias é o projeto "Dance to Music" da NVIDIA. Neste projeto, utilizaram IA e um processo de duas etapas para gerar novos passos de dança que são diversos, mantêm a consistência do estilo e acompanham o ritmo. Primeiro, recorreram à estimativa de pose e a um detetor de ritmo cinemático para aprender vários movimentos de dança ao ritmo a partir de uma vasta coleção de vídeos de dança. Depois, utilizaram um modelo de IA generativa para organizar estes movimentos de dança numa coreografia que correspondia ao ritmo e ao estilo da música. Os passos de dança coreografados por IA adicionam um elemento visual interessante aos vídeos musicais e ajudam os artistas a serem mais criativos.

Impacto nos ouvintes#

Para os ouvintes, a IA pode melhorar a descoberta de música e a experiência de audição. Plataformas como o Spotify e a Apple Music estão a utilizar a IA para criar listas de reprodução personalizadas e recomendar nova música com base nos hábitos de audição dos utilizadores. Quando descobres novos artistas e géneros nestas plataformas, isso deve-se à magia da IA.

A realidade virtual (RV) potenciada por IA também está a melhorar as experiências de concertos ao vivo. Por exemplo, o Travis Scott utiliza a RV para criar atuações virtuais que chegam a públicos globais. No entanto, a abundância de música gerada por IA em plataformas como o TikTok pode tornar a descoberta de música avassaladora, dificultando possivelmente o destaque de novos artistas.

Fig. 4. A IA torna possíveis as experiências de concertos em realidade virtual (RV).

Impacto nos produtores#

Os produtores beneficiam da IA de várias formas. As ferramentas de IA que ajudam na correção de tom, mistura e masterização simplificam o processo de produção. Instrumentos virtuais e sintetizadores impulsionados por IA, como o Watson Beat da IBM, podem criar novos sons e texturas que expandem as possibilidades criativas.

A IA nas plataformas de streaming não é apenas benéfica para os ouvintes; também ajuda os produtores ao criar um público mais amplo. No entanto, tal como os músicos estão preocupados, a capacidade da IA de imitar o estilo de artistas consagrados levanta questões éticas e legais sobre a exploração das vozes e estilos únicos dos artistas. Isto resultou em disputas legais, tais como processos judiciais de grandes empresas de música como a Universal, Sony e Warner contra startups de IA como a Suno e a Udio por alegadamente utilizarem obras protegidas por direitos de autor para treinar os seus modelos sem autorização.

Gerir bibliotecas musicais com ferramentas integradas com IA como o MusicBrainz Picard#

Explorámos brevemente algumas aplicações da IA na música ao compreender o seu impacto em diferentes partes interessadas na indústria musical. Agora, vamos compreender uma aplicação mais específica da IA na música: ferramentas de gestão musical melhoradas por IA como o MusicBrainz Picard. Estas ferramentas são incrivelmente úteis para organizar e gerir bibliotecas de música digital.

Fig. 5. As bibliotecas de música podem ser geridas com o auxílio da IA.

Estas identificam e etiquetam automaticamente ficheiros de música com metadados precisos, como nomes de artistas, títulos de álbuns e números de faixas. O MusicBrainz Picard torna mais fácil manter as coleções de música bem organizadas. Uma das tecnologias-chave integradas no MusicBrainz Picard são as impressões digitais de áudio AcoustID. Estas impressões digitais identificam ficheiros de música com base no seu conteúdo de áudio real, mesmo que os ficheiros não tenham metadados.

Porque é que isto é tão importante? Organizações de grande dimensão como a BBC, Google, Amazon, Spotify e Pandora dependem dos dados do MusicBrainz para melhorar os seus serviços relacionados com música. Os metadados criados por ferramentas como o MusicBrainz Picard são fundamentais para programadores que criam bases de dados musicais, aplicações de etiquetagem ou outro software relacionado com música. A base da IA são os dados e, sem ferramentas como o Picard, seria muito difícil obter dados limpos e precisos necessários para a análise e desenvolvimento de aplicações. É fascinante que as ferramentas potenciadas por IA utilizem IA e ajudem a criar os dados necessários para aplicações de IA, formando um ciclo benéfico de melhoria e inovação.

Notas finais sobre a IA na música#

Já discutimos o impacto que a IA na música está a gerar. O panorama legal em torno da música gerada por IA também está a evoluir. Os regulamentos atuais, como os do U.S. Copyright Office, determinam que as obras geradas inteiramente por IA não podem ser protegidas por direitos de autor, uma vez que carecem de autoria humana. No entanto, se um humano contribuir significativamente para o processo criativo, a obra poderá qualificar-se para a proteção de direitos de autor. À medida que a IA continua a integrar-se na indústria musical, as discussões legais e éticas em curso serão vitais para navegar por estes desafios. Olhando para o futuro, a IA tem um potencial tremendo na música, combinando a tecnologia com a criatividade humana para expandir as possibilidades na criação e produção musical.

Explora a IA visitando o nosso repositório do GitHub e juntando-te à nossa vibrante comunidade. Sabe mais sobre as aplicações de IA na manufatura e na agricultura nas nossas páginas de soluções.