Создание музыки — самое человечное и человеческое занятие в мире, но в последние годы искусственный разум тоже начинает играть на этом поле. Алгоритмы участвуют практически в каждом этапе музыкального производства — от создания битов на драм-машинах до написания самих мелодий, которые с трудом можно отличить от творений людей. Сейчас же ИИ начинает работать в мастеринге, и это поднимает вопрос о необходимости использования квалифицированных специалистов в одной из самых сложных областей музыкального продакшена.

Мастеринг — финальный шаг в пост-обработке аудио, и его задача состоит в том, чтобы конечный трек звучал сбалансированно вне зависимости от того, на чем его слушают: хоть в Spotify, хоть в iTunes, хоть на диске. Цель мастеринга — создать цельный, связный музыкальный экспириенс, ведущий слушателя от песни к песне.

Процесс сочетает в себе как точный расчет, так и персональный подход мастеринг-инженера. С хорошим миксом специалист легко поймет, к какому звуку стремится исполнитель, и поможет его добиться. Без мастеринга треки были бы более блеклыми и тихими. Инженер Ян Купер (Ian Cooper) замечает, что «мастеринг — он немного как фотография: можно сделать небо голубее, а траву зеленее».

А еще мастеринг может быть дорогим. В зависимости от опыта инженера, стоимость его услуг может простираться от сотен долларов до десятков тысяч за один трек — все зависит от наслушанности и таланта специалиста. Для инди-исполнителей и диванных музыкантов сумма может быть неподъемной.

Однако за последние годы автоматические алгоритмы достаточно серьезно эволюционировали и теперь обещают исполнителям доступ к профессиональному мастерингу за значительно меньшие суммы. Некоторые используют сети глубокого анализа данных, обрабатывающие поступающие в них данные в течение долгого времени, другие основаны на тщательно спроектированной человеком последовательности сигналов, переведенной в формат программы. Но несмотря на различные принципы работы, задача у них одна: выдать готовый отмастеренный трек после пары кликов мышкой.

Наиболее популярным среди таких сервисов стал Landr. Заливаете песенку, даете алгоритму Landr ее проанализировать и выбираете из трех предложенных вариантов, насколько яркие вы хотите в ней эффекты. После этого Landr выдает результат. Подход не самый гибкий — если результат Landr вам не понравился, попросить что-нибудь подкрутить, в отличие от работы с живым человеком, не удастся.

Портал ArsTechnica в 2016 году опубликовал обзор, в котором назвал автомастеринг от Landr «автокакашкой», но другие не так критичны и говорят, что сервис справляется со своими задачами). И в теории с каждой обработанной песней алгоритм Landr становится умнее.

«В 2017 году мы провели серию слепых тестирований с крупными лейблами и профессиональными мастеринг-инженерами, и некоторые предпочли Landr более крупным и известным мастеринг-студиям», — сообщил генеральный директор сервиса Паскаль Пилон (Pascal Pilon) порталу The Verge.

Некоторые беспокоятся, что ИИ-мастеринг заберет рабочие места у живых инженеров, но лондонский инженер Streaky сравнивает его скорее с покупкой костюма с витрины, а не на заказ (см. видео ниже). Те, кому важны подгонка костюма под себя или качество ткани, в любом случае пойдут и закажут костюм, но для большинства более доступный вариант вполне приемлем.

Разработчик ПО iZotope подошла к ИИ с другой точки зрения. Компания уже предлагает набор плагинов под именем Ozone, а в 2017 году представила функцию Master Assistant. Ассистент не выполняет всю работу за вас — он дает отправные точки, которые уже можно регулировать по своему усмотрению.


Благодаря этому продюсеры могут принимать решения на основе выбора, которые сделал ИИ. «Нет никакой конкуренции с людьми, — сообщил представитель iZotope, — профессионалам такая технология упрощает работу по чистке материала, занимающую кучу времени, и они могут сконцентрироваться на креативной части».

Основатель MajorDecibel Адам Лав (Adam Love) с этим утверждением согласен: «Это не замена мастерингу от мастеринг-инженера. Инженеры могут дать исполнителям обратную связь, работать в определенном стиле, скорректировать или выделить какие-то конкретные моменты. Человек — медленный и методичный, но ничем не ограниченный. Автоматика же работает быстрее, но в намного более узких рамках».

Так что это лишь доступная альтернатива, которая поможет музыке звучать лучше. «Мы не отбираем рабочие места и не меняем индустрию, а скорее создаем новую нишу, позволяя тем, кто не может оплатить качественный мастеринг, его получить, — сказал Колин МакЛафлин (Colin McLaughlin), представитель eMastered. — Но для наилучшего мастеринга, конечно, необходимо обратиться к настоящему мастеринг-инженеру».

Сложно сказать, научится ли когда-нибудь ИИ слушать с таким же усердием, что и человек, но ему, наверное, это и не нужно. Современный ИИ-мастеринг уже достаточно сложен и даже сейчас является отличным вариантом для многих музыкантов.

«Тем, кто не верит, что ИИ может создать конкурентоспособный звук, я скажу, что доказательство его работы — это десятки миллионов треков от исполнителей по всему миру, — добавил Паскаль Пилон. — Я уверен, что люди сомневались, когда появились камеры с автоматическим режимом съемки, но никто не будет спорить с тем, что они заняли свою нишу в создании контента».

Оригинал: How AI is solving one of music’s most expensive problems