Het gebruik van kunstmatige intelligentie in muziek wordt steeds geavanceerder

De toepassing van kunstmatige intelligentie in muziek is de afgelopen jaren steeds vaker voorgekomen.  Volgens Kumba Sennaar liggen de drie huidige toepassingen van AI in de muziekindustrie in muzieksamenstelling, muziekstreaming en muziekmonetisatie, waarbij AI-platforms artiesten helpen hun muziekcontent te monitoren op basis van gegevens van gebruikersactiviteit.

Het begon allemaal terug in 1957, toen Learn Hiller en Leonard Issacson Illiac I programmeerden om “Illiac Suite for String Quartet” te produceren, het eerste werk dat volledig door kunstmatige intelligentie werd geschreven. Vervolgens, 60 jaar later, resulteerde het in complete albums zoals het Taryn Southern-album, dat in 2017 werd geproduceerd door Amper Music. Momenteel heeft Southern meer dan 452.000 abonnees op YouTube en werd “Lovesick”, een nummer van het album, meer dan 45.000 keer bekeken en beluisterd.

Maar sindsdien is de toepassing van AI in dit veld zowel geavanceerder geworden als verder uitgebreid. Open AI heeft MuseNet gecreëerd, zoals het bedrijf uitlegt, “een diep neuronaal netwerk dat 4-minuten muzikale composities kan genereren met 10 verschillende instrumenten en stijlen kan combineren van country tot Mozart tot de Beatles. MuseNet was niet expliciet geprogrammeerd met onze kennis van muziek, maar ontdekte patronen van harmonie, ritme en stijl door te leren de volgende token in honderdduizenden MIDI-bestanden te voorspellen. MuseNet gebruikt dezelfde algemene onbegeleide technologie als GPT-2, een grote schaal-transformer-model getraind om de volgende token in een sequentie te voorspellen, of het nu audio of tekst is.””

Aan de andere kant, zoals GeekWire en anderen melden, werd Dr. Mick Grierson, computerwetenschapper en musicus van Goldsmiths, University of London, onlangs door de Italiaanse autofabrikant Fiat gevraagd om een lijst van 50 meest iconische popliedjes te maken met behulp van algoritmes. Zijn analytische software werd gebruikt om te “bepalen wat de liedjes opvallend maakt, waaronder sleutel, het aantal beats per minuut, akkoordvariatie, songtekst, timbrale variatie en sonische variatie.”

Volgens zijn resultaten was het nummer dat de beste combinatie van de parameters had, Nirvana’s “Smells Like Teen Spirit”, gevolgd door U2’s “One” en John Lennon’s “Imagine”. Nirvana’s nummer werd vervolgens door FIAT gebruikt om hun nieuwe FIAT 500-model te promoten. Grierson legde uit dat de algoritmes lieten zien dat ‘ de geluiden die deze nummers gebruiken en de manier waarop ze worden gecombineerd, in elk geval zeer uniek zijn.’

Een andere toepassing werd voorbereid door de musicnn-bibliotheek, die, zoals uitgelegd, diepe convolutionele neurale netwerken gebruikt om nummers automatisch te labelen. De modellen “die zijn opgenomen bereiken de beste scores in openbare evaluatiebenchmarks.” Muziek (zoals in musicus) en de beste modellen zijn vrijgegeven als open-source-bibliotheek. Het project is ontwikkeld door de Music Technology Group van de Universitat Pompeu Fabra, gevestigd in Barcelona, Spanje.

In zijn analyse van de toepassing, gebruikte Jordi Pons musicnn om een ander iconisch nummer, Queen’s “Bohemian Rhapsody”, te analyseren en te labelen. Hij merkte op dat de zangstem van Freddie Mercury als een vrouwenstem werd gelabeld, terwijl zijn andere voorspellingen vrij nauwkeurig waren. Door musicnn als open-source beschikbaar te stellen, is het mogelijk om het labelproces verder te verfijnen.

In een rapport over het gebruik van AI in muziekstreaming, concludeert Digital Music News dat “de introductie van kunstmatige intelligentie en machine learning-technologieën de manier waarop we naar muziek luisteren, aanzienlijk heeft verbeterd. Dankzij snelle vooruitgang in AI en soortgelijke technologieën, zullen we waarschijnlijk in de komende jaren veel toekomstige verbeteringen zien.”