سحر هوش مصنوعی؛ تفکیک سازهای گوناگون از یک قطعه موسیقی تنها در ۴۰ ثانیه

AudioPrism، نرم‌افزاری طراحی‌شده برای سیستم‌عامل ویندوز، قادر است یک آهنگ کامل را به اجزای مختلفی مانند وکال، بیس، درام و دیگر سازها تقسیم کند. این نرم‌افزار با قیمت اصلی ۷۹٫۹۹ دلار، اکنون به‌صورت تخفیف‌خورده با قیمت ۵۹٫۹۹ دلار در دسترس است. AudioPrism همچنین امکاناتی برای تبدیل این بخش‌های جداشده به فایل‌های MIDI دارد و می‌تواند در یادگیری موسیقی با کمک مربی آموزشی KeyPrism به کاربران یاری رساند.

فصل جداسازی سازها و صدای خواننده از یک آهنگ، موضوعی نوین به شمار نمی‌رود، اما پیشرفت‌های اخیر در زمینه هوش مصنوعی و الگوریتم‌های یادگیری ماشین، این فرآیند را به مراتب آسان‌تر ساخته است. ابزارهایی همچون Spleeter از دیزر و Demucs از متا، به‌تازگی این امکان را برای کاربران فراهم کرده‌اند تا بتوانند بخش‌های مختلف آهنگ‌ها را از یکدیگر تفکیک کنند.

عملکرد AudioPrism در آزمایش‌ها متفاوت بود. برای آزمایش اولیه، آهنگ “Dreams” از فلیت‌وود مک که دارای کیفیت استودیویی بالایی است و صدای بیس آن به‌راحتی از سایر اجزا تشخیص‌پذیر بود، انتخاب شد. این نرم‌افزار موفق شد این آهنگ را در کمتر از ۴۰ ثانیه و با بهره‌گیری از کارت گرافیک RTX 5070 Ti به چهار بخش مجزا تقسیم کند.

کیفیت نتیجه جداسازی بیس بسیار رضایت‌بخش بود. وقتی که چهار بخش جداشده دوباره در نرم‌افزار Audacity ترکیب شدند، تفاوت قابل توجهی با نسخه اصلی آهنگ نداشت.

آزمایش دوم چالش‌برانگیزتر بود. این‌بار تیم تحقیق به سراغ اجرای زنده‌ی “Red Rain” از پیتر گابریل در آلبوم “Secret World Live” رفت که به‌دلیل صدای هم‌زمان سازهای متعدد، اکوی صوت و فضاسازی اجرای زنده، جداسازی بخش‌های آن آسان نبود.

در این آزمایش، AudioPrism توانست بیس را جدا کند، اما کیفیت آن به‌خوبی آزمایش اول نبود. صدای بیس دارای مقداری نویز و اعوجاج بود و گاهی نیز به‌صورت ناخوشایند و تیز به‌گوش می‌رسید. با این حال، این نتیجه همچنان برای کارهای عمومی قابل قبول به نظر می‌رسید.

مشکل اساسی AudioPrism زمانی نمایان می‌شود که بخواهید پس از جداسازی، بر روی بخش‌های مختلف آهنگ کار کنید. علی‌رغم توانایی نرم‌افزار در تولید استم‌های مجزا، فاقد میکسر داخلی است. به‌عبارتی، نمی‌توانید مستقیماً داخل برنامه صدای بیس را کاهش دهید یا یک ساز را به‌طور مستقل بشنوید. برای این منظور، باید فایل‌های جداسازی‌شده را به نرم‌افزارهای دیگر مانند Audacity منتقل کنید.

عملکرد بخش تبدیل صدا به MIDI نیز چندان مطلوب نبود. هنگام تبدیل صدای بیس تمیز آهنگ “Dreams” به MIDI، AudioPrism نتایج متناقضی تولید کرد. همچنین، پخش نت‌ها در KeyPrism گاهی با تاخیر و اختلال روبه‌رو می‌شد.

رابط گرافیکی نرم‌افزار نیز چندان کاربرپسند و آرامش‌بخش نیست. محیط پس‌زمینه متحرک، جلوه‌های درخشان، ردپای ماوس و انیمیشن‌های فراوانی که بر روی صفحه نمایش داده می‌شوند، می‌توانند حواس کاربر را توزیع نمایند. به‌نظر می‌رسد که گزینه‌ای برای غیرفعال کردن این جلوه‌ها نیز وجود ندارد.

AudioPrism به بازاری وارد شده که شاهد رقابت با ابزارهای قدرتمند دیگری است. Ultimate Vocal Remover یک برنامه رایگان و متن‌باز است که به‌کمک مدل‌های Demucs و MDX-Net بخش‌های مختلف آهنگ را از هم جدا می‌کند.

Moises نیز مجموعه‌ای از امکانات را برای کاربرانی که به دنبال کار با آهنگ‌های تفکیک‌شده هستند، فراهم می‌آورد. این سرویس پس از تفکیک سازها و وکال، آن‌ها را در یک میکسر قرار می‌دهد که به کاربر این امکان را می‌دهد تا هر بخش را به‌صورت جداگانه تنظیم، قطع یا پخش کند. لازم به ذکر است که پردازش در Moises به فضای ابری وابسته است.

اجرای پردازش روی خود کامپیوتر نیز دیگر مزیت منحصر به‌فرد AudioPrism نیست. مدل Lyra از LALAL.AI امکان جداسازی سازها را به‌طور مستقیم بر روی دستگاه فراهم می‌کند و از طریق اپلیکیشن‌های دسکتاپ و پلاگین‌های VST قابل دسترسی است. البته برای استفاده از پردازش محلی این سرویس، نیاز به اشتراک ماهانه ۱۹٫۹۹ دلار برای نسخه Pro وجود دارد.