AI trong âm nhạc: Các ứng dụng và công cụ như MusicBrainz Picard

Trí tuệ nhân tạo (AI) xoay quanh việc tái tạo trí thông minh của con người trong máy móc. Một phần quan trọng trong bản chất con người là mối liên hệ của chúng ta với nghệ thuật, đặc biệt là âm nhạc. Âm nhạc ảnh hưởng sâu sắc đến văn hóa và cảm xúc của chúng ta. Nhờ những tiến bộ trong AI, máy móc giờ đây có thể tạo ra âm nhạc nghe như thể do con người sáng tác. Âm nhạc AI mở ra những khả năng mới cho sự hợp tác đổi mới giữa con người và AI, đồng thời chuyển đổi cách chúng ta trải nghiệm và tương tác với âm nhạc.

Trong bài viết này, chúng ta sẽ tìm hiểu cách AI được sử dụng để tạo ra âm nhạc. Chúng ta cũng sẽ thảo luận về mối liên hệ giữa AI và các công cụ gắn thẻ âm nhạc như MusicBrainz Picard cũng như tác động của chúng đối với nghệ sĩ, nhà sản xuất và toàn bộ ngành công nghiệp giải trí.

Sound AI và tầm quan trọng của nó#

AI có thể xử lý nhiều loại dữ liệu khác nhau, bao gồm cả âm thanh. Dữ liệu âm thanh, thường được gọi là dữ liệu audio, là sự kết hợp của các tần số sóng với các cường độ khác nhau theo thời gian. Giống như hình ảnh hoặc dữ liệu chuỗi thời gian, dữ liệu audio có thể được chuyển đổi thành định dạng mà các hệ thống AI có thể xử lý và phân tích. Sóng âm có thể được chuyển đổi thành dữ liệu số để các model AI phân tích.

Một phương pháp thú vị khác là sử dụng Biến đổi Fourier, giúp chuyển đổi sóng âm thành phổ tần số (spectrogram). Phổ tần số là một biểu diễn trực quan cho thấy các tần số âm thanh khác nhau thay đổi như thế nào theo thời gian. Các AI model có thể áp dụng các kỹ thuật nhận dạng hình ảnh để phân tích và diễn giải dữ liệu âm thanh bằng cách coi phổ tần số này giống như một hình ảnh. AI có thể xác định các mẫu và đặc điểm trong âm thanh, giống như cách nó thực hiện với dữ liệu trực quan.

Hình 1. Một ví dụ về âm thanh được phân loại bởi AI.

Việc sử dụng AI để phân tích, thao tác và tạo dữ liệu audio tạo ra hàng loạt các ứng dụng. Dưới đây là một số ví dụ:

• Tạo và sáng tác âm nhạc: Tạo ra âm nhạc mới bằng cách học hỏi từ các tác phẩm hiện có và hỗ trợ các nhạc sĩ về giai điệu, hòa âm và nhịp điệu.
• Cải thiện âm thanh và giảm tiếng ồn: Nâng cao chất lượng âm thanh bằng cách giảm tiếng ồn nền cho các trung tâm cuộc gọi, thiết bị trợ thính và phần mềm chỉnh sửa âm thanh.
• Tóm tắt podcast: Tạo các bản tóm tắt ngắn gọn về các tập podcast để người dùng tiếp cận nội dung dễ dàng hơn.
• Phát hiện cảm xúc từ giọng nói: Phát hiện cảm xúc trong giọng nói phục vụ dịch vụ khách hàng, theo dõi sức khỏe tâm thần và nghiên cứu trải nghiệm người dùng.

Hiểu cách thức hoạt động của các trình tạo bài hát AI#

Các công cụ tạo bài hát bằng AI hoạt động bằng cách phân tích và học hỏi từ âm nhạc hiện có, tương tự như tạo hình ảnh. Điều quan trọng là phải hiểu sự khác biệt giữa việc sử dụng AI để hiểu âm nhạc và sử dụng AI để tạo ra âm nhạc. Việc hiểu âm nhạc liên quan đến việc phân tích và nhận diện các mẫu, trong khi việc tạo ra âm nhạc liên quan đến việc sáng tác các tác phẩm mới dựa trên các mẫu đã học đó.

Hình 2. So sánh việc hiểu âm nhạc bằng AI và tạo nhạc bằng AI.

Quá trình tạo âm nhạc bằng AI bắt đầu bằng việc thu thập một bộ dữ liệu lớn về âm nhạc bao gồm nhiều thể loại và phong cách khác nhau. Bộ dữ liệu sau đó được chia nhỏ thành các thành phần như nốt nhạc, hợp âm và nhịp điệu, những thành phần này được chuyển đổi thành dữ liệu số để AI có thể xử lý.

Có nhiều generative AI model khác nhau có thể được huấn luyện để tạo ra âm nhạc. Ví dụ, các AI model như Transformer và Variational Autoencoder (VAE) có thể làm việc cùng nhau để tạo ra âm nhạc. VAE có thể nén âm thanh đầu vào thành không gian tiềm ẩn (latent space) bằng cách nhóm các đoạn nhạc tương tự lại gần nhau để nắm bắt sự đa dạng và phong phú của âm nhạc. Sau đó, Transformer sử dụng không gian tiềm ẩn này để tạo ra âm nhạc mới bằng cách hiểu các mẫu và tập trung vào các nốt nhạc quan trọng trong một chuỗi.

Sau khi một model AI được huấn luyện trên dữ liệu này, AI có thể tạo ra âm nhạc mới bằng cách dự đoán nốt nhạc hoặc hợp âm tiếp theo dựa trên những gì nó đã học. Nó có thể tạo ra toàn bộ các tác phẩm bằng cách kết nối các dự đoán này lại với nhau. Âm nhạc được tạo ra có thể được tinh chỉnh để phù hợp với các phong cách hoặc sở thích cụ thể.

Chúng ta đang bắt đầu thấy nhiều trình tạo âm nhạc sử dụng công nghệ này hơn. Dưới đây là một số ví dụ:

• MusicLM của Google: Tạo âm nhạc dựa trên các câu lệnh văn bản (text prompt), cho phép người dùng chỉ định thể loại, tâm trạng, nhạc cụ và cảm giác tổng thể.
• MusicGen của Meta: Tạo âm nhạc từ các mô tả văn bản hoặc giai điệu hiện có, sử dụng một công cụ có tên là EnCodec để xử lý dữ liệu audio.
• Stable Audio 2.0 của Stability AI: Sản xuất các bản nhạc và hiệu ứng âm thanh chất lượng cao từ đầu vào văn bản và âm thanh, có khả năng tạo ra các bản nhạc hoàn chỉnh và biến đổi các mẫu âm thanh dựa trên các câu lệnh.

Tác động của AI đối với ngành công nghiệp âm nhạc#

Sự đổi mới của AI đang tạo ra những cơ hội mới và thách thức cho các nhạc sĩ, người nghe và nhà sản xuất, dẫn đến những tình huống mà họ có thể chưa từng trải qua trước đây. Thật thú vị khi thấy mỗi nhóm đang thích nghi với những tiến bộ này như thế nào, sử dụng các công cụ mới và giải quyết các mối lo ngại về tính nguyên bản cũng như đạo đức. Bên cạnh việc tạo ra âm nhạc, AI còn có tiềm năng thú vị khác trong ngành công nghiệp âm nhạc, chẳng hạn như nâng cao các buổi biểu diễn trực tiếp, cải thiện việc khám phá âm nhạc và hỗ trợ trong các quy trình sản xuất. Hãy cùng xem xét kỹ hơn cách AI đang tác động đến các nhạc sĩ, người nghe và nhà sản xuất trong ngành công nghiệp âm nhạc.

Hình 3. Tác động của Generative AI đối với Ngành công nghiệp Âm nhạc.

Tác động đối với các nhạc sĩ#

AI đang thay đổi cách các nhạc sĩ sáng tạo âm nhạc. Các công cụ tích hợp generative AI có thể giúp tạo ra giai điệu mới, vòng hợp âm và lời bài hát, giúp các nhạc sĩ dễ dàng vượt qua các điểm nghẽn sáng tạo. AI cũng từng được sử dụng để hoàn thành các tác phẩm còn dang dở, chẳng hạn như bài hát mới "Now And Then" của The Beatles, được tạo ra với phần giọng hát của John Lennon từ một bản demo cũ. Tuy nhiên, sự gia tăng của âm nhạc do AI tạo ra mô phỏng phong cách của các nghệ sĩ nổi tiếng lại làm dấy lên những lo ngại về tính nguyên bản. Ví dụ, các nghệ sĩ như Bad Bunny lo lắng về việc AI sao chép giọng hát và phong cách của họ mà không có sự đồng ý.

Ngoài việc sáng tạo âm nhạc, AI và computer vision có thể giúp các nhạc sĩ tạo ra các màn trình diễn và video ca nhạc hay hơn. Một video ca nhạc bao gồm nhiều yếu tố khác nhau, và một trong những yếu tố đó là vũ đạo. Các pose estimation model như Ultralytics YOLOv8 có thể hiểu tư thế con người trong hình ảnh và video, đồng thời đóng vai trò tạo ra các chuỗi động tác nhảy được biên đạo đồng bộ với âm nhạc.

Một ví dụ điển hình khác về cách AI có thể được sử dụng cho việc biên đạo múa là dự án "Dance to Music" của NVIDIA. Trong dự án này, họ đã sử dụng AI và quy trình hai bước để tạo ra các động tác nhảy mới có tính đa dạng, nhất quán về phong cách và khớp với nhịp điệu. Đầu tiên, pose estimation và bộ phát hiện nhịp động học (kinematic beat detector) được sử dụng để học các chuyển động nhảy theo nhịp từ một bộ sưu tập lớn các video khiêu vũ. Sau đó, một generative AI model được sử dụng để sắp xếp các động tác nhảy này thành một bài biên đạo phù hợp với nhịp điệu và phong cách của âm nhạc. Các động tác nhảy do AI biên đạo mang lại yếu tố trực quan thú vị cho các video ca nhạc và giúp các nghệ sĩ sáng tạo hơn.

Tác động đối với người nghe#

Đối với người nghe, AI có thể cải thiện trải nghiệm khám phá và thưởng thức âm nhạc. Các nền tảng như Spotify và Apple Music đang sử dụng AI để tuyển chọn danh sách phát cá nhân hóa và đề xuất âm nhạc mới dựa trên thói quen nghe của người dùng. Khi bạn khám phá các nghệ sĩ và thể loại mới trên các nền tảng này, đó chính là phép màu của AI.

Thực tế ảo (VR) tích hợp AI cũng đang cải thiện trải nghiệm hòa nhạc trực tiếp. Ví dụ, Travis Scott sử dụng VR để tạo ra các màn trình diễn ảo tiếp cận khán giả toàn cầu. Tuy nhiên, sự xuất hiện quá nhiều của âm nhạc do AI tạo ra trên các nền tảng như TikTok có thể khiến việc khám phá âm nhạc trở nên quá tải. Nó có thể khiến các nghệ sĩ mới gặp khó khăn trong việc tạo dấu ấn.

Hình 4. AI hiện thực hóa các trải nghiệm hòa nhạc thực tế ảo (VR).

Tác động đối với các nhà sản xuất#

Các nhà sản xuất được hưởng lợi từ AI theo nhiều cách. Các công cụ AI hỗ trợ chỉnh cao độ, hòa âm và làm chủ âm thanh (mastering) giúp tinh giản quy trình sản xuất. Các nhạc cụ ảo và bộ tổng hợp âm thanh được hỗ trợ bởi AI, như Watson Beat của IBM, có thể tạo ra các âm thanh và kết cấu mới giúp mở rộng khả năng sáng tạo.

AI trên các nền tảng phát trực tuyến không chỉ mang lại lợi ích cho người nghe mà còn giúp các nhà sản xuất tiếp cận lượng khán giả rộng lớn hơn. Tuy nhiên, giống như nỗi lo của các nhạc sĩ, khả năng mô phỏng phong cách của các nghệ sĩ nổi tiếng từ AI đặt ra các vấn đề về đạo đức và pháp lý liên quan đến việc khai thác giọng hát và phong cách độc đáo của nghệ sĩ. Điều này dẫn đến các tranh chấp pháp lý, chẳng hạn như các vụ kiện từ các công ty âm nhạc lớn như Universal, Sony và Warner chống lại các startup AI như Suno và Udio vì cáo buộc sử dụng các tác phẩm có bản quyền để huấn luyện model của họ mà không xin phép.

Quản lý thư viện âm nhạc với các công cụ tích hợp AI như MusicBrainz Picard#

Chúng ta đã khám phá sơ lược một số ứng dụng của AI trong âm nhạc bằng cách hiểu tác động của nó đối với các bên liên quan trong ngành. Bây giờ, hãy tìm hiểu một ứng dụng cụ thể hơn của AI trong âm nhạc: các công cụ quản lý âm nhạc nâng cao bằng AI như MusicBrainz Picard. Những công cụ này cực kỳ hữu ích để sắp xếp và quản lý các thư viện âm nhạc kỹ thuật số.

Hình 5. Thư viện âm nhạc có thể được quản lý bằng AI.

Chúng tự động xác định và gắn thẻ các tệp âm nhạc bằng siêu dữ liệu (metadata) chính xác, chẳng hạn như tên nghệ sĩ, tiêu đề album và số thứ tự bài hát. MusicBrainz Picard giúp việc giữ cho các bộ sưu tập âm nhạc được sắp xếp ngăn nắp trở nên dễ dàng hơn. Một trong những công nghệ chính được tích hợp vào MusicBrainz Picard là dấu vân tay âm thanh AcoustID. Những dấu vân tay này xác định các tệp âm nhạc dựa trên nội dung âm thanh thực tế của chúng, ngay cả khi các tệp thiếu siêu dữ liệu.

Tại sao điều này lại rất quan trọng? Các tổ chức lớn như BBC, Google, Amazon, Spotify và Pandora đều dựa vào dữ liệu MusicBrainz để nâng cao các dịch vụ liên quan đến âm nhạc của họ. Siêu dữ liệu (metadata) do các công cụ như MusicBrainz Picard tạo ra là yếu tố cốt lõi đối với các lập trình viên xây dựng cơ sở dữ liệu âm nhạc, ứng dụng gắn thẻ (tagger application) hoặc các phần mềm liên quan đến âm nhạc khác. Xương sống của AI chính là dữ liệu, và nếu không có các công cụ như Picard, sẽ rất khó để có được dữ liệu sạch, chính xác cần thiết cho việc phân tích và phát triển ứng dụng. Thật hấp dẫn khi các công cụ hỗ trợ bởi AI sử dụng AI và đồng thời giúp tạo ra dữ liệu cần thiết cho các ứng dụng AI, tạo nên một chu trình cải tiến và đổi mới có lợi.

Những lưu ý cuối cùng về AI trong âm nhạc#

Chúng ta đã thảo luận về những làn sóng mà AI đang tạo ra trong lĩnh vực âm nhạc. Bối cảnh pháp lý xung quanh âm nhạc do AI tạo ra cũng đang không ngừng phát triển. Các quy định hiện hành, chẳng hạn như quy định của Văn phòng Bản quyền Hoa Kỳ, quy định rằng các tác phẩm được tạo ra hoàn toàn bởi AI không thể được cấp bản quyền vì chúng thiếu đi quyền tác giả của con người. Tuy nhiên, nếu con người đóng góp đáng kể vào quá trình sáng tạo, tác phẩm đó có thể đủ điều kiện để được bảo hộ quyền tác giả. Khi AI tiếp tục hòa nhập vào ngành công nghiệp âm nhạc, các cuộc thảo luận về pháp lý và đạo đức đang diễn ra sẽ đóng vai trò quan trọng trong việc định hướng những thách thức này. Nhìn về tương lai, AI có tiềm năng to lớn trong âm nhạc, kết hợp công nghệ với sự sáng tạo của con người để mở rộng các khả năng trong việc sáng tạo và sản xuất âm nhạc.

Khám phá AI bằng cách truy cập kho lưu trữ GitHub của chúng tôi và tham gia cộng đồng sôi động của chúng tôi. Tìm hiểu về các ứng dụng AI trong sản xuất công nghiệp và nông nghiệp trên các trang giải pháp của chúng tôi.