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

Trí tuệ nhân tạo (AI) tập trung vào việc tái tạo trí tuệ con người trên máy móc. Một phần quan trọng của việc làm người là sự kết nối 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 hiện nay có thể tạo ra âm nhạc nghe như được sáng tác bởi con người. Âm nhạc AI mở ra những khả năng mới cho sự hợp tác sáng tạo giữa con người và AI, đồng thời thay 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.

Link to this sectionSound 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 các Fourier Transform, giúp chuyển đổi sóng âm thành spectrogram. Spectrogram là một biểu diễn trực quan cho thấy các tần số âm thanh khác nhau thay đổi như thế nào theo thời gian. Các model AI có thể áp dụng các kỹ thuật nhận dạng hình ảnh để phân tích và diễn giải dữ liệu audio bằng cách coi spectrogram này như một hình ảnh. AI có thể xác định các mẫu và đặc trưng trong âm thanh, tương tự như cách nó thực hiện với dữ liệu hình ảnh.

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, máy trợ thính và 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 lời nói: Phát hiện cảm xúc trong lời nói phục vụ dịch vụ khách hàng, theo dõi sức khỏe tâm thần và nghiên cứu trải nghiệm người dùng.

Link to this sectionHiểu cách thức hoạt động của các trình tạo bài hát AI#

Các trình tạo bài hát 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 xác định các mẫu, trong khi tạo âm nhạc liên quan đến việc tạo ra các tác phẩm mới dựa trên các mẫu đã học đó.

Hình 2. So sánh giữa việc Hiểu âm nhạc bằng AI và Tạo âm 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 âm nhạc. Ví dụ, các model AI như Transformer và Variational Autoencoder (VAE) có thể hoạt động cùng nhau để tạo ra âm nhạc. VAE có thể nén âm thanh đầu vào thành một 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.

Link to this sectionTác động của AI đối với ngành công nghiệp âm nhạc#

Đổi mới 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 cách mỗi nhóm thích nghi với những tiến bộ này, sử dụng các công cụ mới và giải quyết các mối quan ngại về tính nguyên bản và đạo đức. Bên cạnh việc tạo ra âm nhạc, AI còn có tiềm năng thú vị khác trong ngành âm nhạc như nâng cao hiệu suất biểu diễn trực tiếp, cải thiện khả năng khám phá âm nhạc và hỗ trợ trong các quy trình sản xuất. Hãy cùng xem xét kỹ hơn cách AI đang ảnh hưởng đến 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.

Link to this sectionTác 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, vòng hợp âm và lời bài hát mới, giúp nhạc sĩ dễ dàng vượt qua các khối cản trở sáng tạo. AI cũng được sử dụng để hoàn thiện các tác phẩm dang dở, chẳng hạn như bài hát mới của The Beatles có tên "Now And Then," được tạo ra từ giọng hát của John Lennon từ một bản demo cũ. Tuy nhiên, sự gia tăng của âm nhạc do AI tạo ra bắt chước phong cách của các nghệ sĩ lâu năm làm dấy lên mối lo ngại về tính nguyên bản. Ví dụ, các nghệ sĩ như Bad Bunny lo ngại 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 thị giác máy tính có thể giúp các nhạc sĩ tạo ra các màn trình diễn và video âm nhạc tốt hơn. Một video âm nhạc bao gồm nhiều yếu tố khác nhau, và một trong những yếu tố đó là vũ đạo. Các model ước tính tư thế (pose estimation) như Ultralytics YOLOv8 có thể hiểu tư thế con người trong hình ảnh và video, đồng thời đóng vai trò quan trọng trong việc tạo ra các chuỗi vũ đạo được đồng bộ hóa với âm nhạc.

Một ví dụ điển hình khác về cách AI có thể được sử dụng cho vũ đạo 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 đa dạng, nhất quán về phong cách và khớp với nhịp điệu. Đầu tiên, ước tính tư thế và bộ phát hiện nhịp điệu động học được sử dụng để học các động tác nhảy theo nhịp khác nhau từ một bộ sưu tập lớn các video khiêu vũ. Sau đó, một model generative AI được sử dụng để sắp xếp các động tác nhảy này thành một vũ đạo phù hợp với nhịp điệu và phong cách của âm nhạc. Các động tác nhảy được biên đạo bởi AI tạo thêm yếu tố thị giác thú vị cho các video âm nhạc và giúp các nghệ sĩ trở nên sáng tạo hơn.

Link to this sectionTác động đối với người nghe#

Đối với người nghe, AI có thể cải thiện trải nghiệm khám phá và nghe nhạc. Các nền tảng như Spotify và Apple Music đang sử dụng AI để tạo 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) hỗ trợ bởi 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 tràn lan của âm nhạc do AI tạo ra trên các nền tảng như TikTok có thể làm cho việc khám phá âm nhạc trở nên choáng ngợp. Điều này có thể gây khó khăn cho các nghệ sĩ mới nổi bật.

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

Link to this sectionTác 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 đối tượng khán giả rộng lớn hơn. Tuy nhiên, cũng giống như nỗi lo của các nhạc sĩ, khả năng AI bắt chước phong cách của các nghệ sĩ tên tuổi đang đặt ra những vấn đề pháp lý và đạo đức về việc khai thác giọng hát và phong cách độc bản của họ. Điều này đã 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 nhắm vào các startup AI như Suno và Udio vì cáo buộc sử dụng các tác phẩm có bản quyền để đào tạo mô hình của họ mà không được phép.

Link to this sectionQuản 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. Các 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 quan trọng đến vậy? Các tổ chức lớn như BBC, Google, Amazon, Spotify và Pandora dựa vào dữ liệu của MusicBrainz để nâng cao các dịch vụ liên quan đến âm nhạc của họ. Siêu dữ liệu do các công cụ như MusicBrainz Picard tạo ra là rất quan trọng đối với các nhà phát triển đang xây dựng cơ sở dữ liệu âm nhạc, các ứng dụng gắn thẻ hoặc phần mềm liên quan đến âm nhạc khác. Nền tảng 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 thú vị khi các công cụ nâng cao bằng AI lại sử dụng AI và giúp tạo ra dữ liệu cần thiết cho các ứng dụng AI, tạo thành một chu kỳ cải tiến và đổi mới có lợi.

Link to this sectionNhững lưu ý cuối cùng về AI trong âm nhạc#

Chúng ta đã thảo luận về những làn sóng mà AI đang tạo ra trong âm nhạc. Bối cảnh pháp lý xung quanh âm nhạc do AI tạo ra cũng đang phát triển. Các quy định hiện hành, chẳng hạn như của Văn phòng Bản quyền Hoa Kỳ, quy định rằng các tác phẩm được tạo ra hoàn toàn bởi AI không thể được bảo hộ bản quyền vì chúng thiếu tác giả là 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 bản quyền. Khi AI tiếp tục tích hợp vào ngành công nghiệp âm nhạc, các cuộc thảo luận pháp lý và đạo đức đang diễn ra sẽ rất quan trọng để giải quyết những thách thức này. Nhìn về phía trước, 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 GitHub repository của chúng tôi và tham gia vào cộng đồng sôi động của chúng tôi. Tìm hiểu về các ứng dụng AI trong sản xuất và nông nghiệp trên các trang giải pháp của chúng tôi.