यह लेख संगीत नोटेशन के शब्दों की हमारी गाइड का हिस्सा है।
हर संगीत ट्रांसक्रिप्शन टूल ऑडियो को एक तरह से नहीं समझता। सबसे अहम फ़र्क यह है कि टूल एक बार में एक नोट पहचान सकता है या कई नोट एक साथ। इसी को मोनोफ़ोनिक और पॉलीफ़ोनिक ट्रांसक्रिप्शन का फ़र्क कहते हैं। मार्केटिंग में दिए सटीकता के किसी भी आँकड़े से ज़्यादा इससे पता चलता है कि टूल असल में क्या कर सकता है।
मोनोफ़ोनिक संगीत ट्रांसक्रिप्शन क्या है?
मोनोफ़ोनिक संगीत ट्रांसक्रिप्शन ऐसे ऑडियो को लिखित नोटेशन में बदलता है जिसमें एक समय पर सिर्फ़ एक नोट हो। “मोनोफ़ोनिक” का मतलब है एक वॉइस: संगीत जिसमें किसी भी पल ठीक एक ही सुर सुनाई देता है।
एक समय पर एक ही सुर होने से ट्रांसक्रिप्शन अपेक्षाकृत आसान होता है। जब सिग्नल में एक ही फ़्रीक्वेंसी प्रमुख हो, तो दूसरी आवाज़ों का दखल कम होता है और एल्गोरिदम सुर में बदलाव को काफ़ी भरोसे से ट्रैक कर सकता है।
मोनोफ़ोनिक ऑडियो के उदाहरण
अकेले बजाई गई बाँसुरी इसका जाना पहचाना उदाहरण है। ज़्यादातर फूँक से बजने वाले वाद्य एक समय पर एक सुर बजाने के लिए बने होते हैं। बिना वाद्य संगत के गाई धुनें भी इसी श्रेणी में आती हैं, जैसे अकापेला सोलो या पारंपरिक लोक धुनें।
जो वाद्य कॉर्ड बजा सकते हैं, उनकी एक तार पर बजाई धुन भी मोनोफ़ोनिक हो सकती है। गिटार की ऊँची E तार पर बाकी तारों को छुए बिना बजाई धुन इसका उदाहरण है। ट्रांसक्रिप्शन टूल ऐसे ऑडियो को आसानी से समझ लेते हैं। अकेली बास लाइन भी ऐसी ही है, चाहे वह इलेक्ट्रिक बास, अपराइट बास या सिंथ पर बजाई गई हो।
मोनोफ़ोनिक ऑडियो का ट्रांसक्रिप्शन आसान क्यों है
मोनोफ़ोनिक ऑडियो से एल्गोरिदम को ज़्यादा साफ़ सिग्नल मिलता है। जब दूसरी फ़्रीक्वेंसी और हार्मोनिक्स आपस में नहीं मिलते, तो सॉफ़्टवेयर मूल फ़्रीक्वेंसी को समय के साथ ट्रैक कर सकता है। पॉलीफ़ोनिक ऑडियो की तुलना में इसमें उलझन की गुंजाइश बहुत कम होती है।
सिग्नल प्रोसेसिंग का काम भी सीमित रहता है: प्रमुख फ़्रीक्वेंसी पहचानना, समय के साथ उसका बदलाव देखना और उन मानों को नोटों के नाम और लय में बदलना। इसलिए शुरुआती ट्रांसक्रिप्शन सॉफ़्टवेयर मोनोफ़ोनिक इनपुट पर केंद्रित थे। एक वॉइस वाले ऑडियो के लिए बुनियादी फ़्रीक्वेंसी विश्लेषण काफ़ी था, लेकिन कॉर्ड और एक साथ बजते अलग हिस्सों के लिए नहीं।
पॉलीफ़ोनिक संगीत ट्रांसक्रिप्शन क्या है?
पॉलीफ़ोनिक संगीत में एक समय पर एक से ज़्यादा नोट बजते हैं। जैसे पियानो बजाने वाला दाएँ हाथ से कॉर्ड बजाए और बाएँ हाथ से बास नोट थामे रखे, या गिटार पर स्ट्रम करते हुए ऊपर की तारों पर धुन भी सुनाई दे। जब भी एक से ज़्यादा सुर एक साथ बज रहे हों, वह संगीत पॉलीफ़ोनिक है।
पॉलीफ़ोनिक ट्रांसक्रिप्शन में ऐसे ऑडियो को नोटेशन में बदला जाता है और सिर्फ़ सबसे तेज़ आवाज़ के बजाय हर बजती हुई वॉइस लिखी जाती है। मोनोफ़ोनिक ट्रांसक्रिप्शन एक वॉइस को ट्रैक करता है। पॉलीफ़ोनिक ट्रांसक्रिप्शन को एक साथ आपस में मिली कई वॉइस अलग करके सही ढंग से लिखनी होती हैं। ये एक ही वाद्य के हिस्से में एक दूसरे से जुड़ती दो वॉइस हो सकती हैं या पियानो पर दोनों हाथों से अलग चलती धुन और बास लाइन।
पॉलीफ़ोनिक ऑडियो के उदाहरण
पियानो का संगीत पॉलीफ़ोनिक ट्रांसक्रिप्शन के लिए एक आम चुनौती है। एक साधारण तीन नोटों वाले कॉर्ड में भी टूल को एक ही पल के कई सुर पहचानकर उन्हें स्टाफ़ पर सही जगह लिखना होता है।
अकेले गिटार पर भी जल्दी ही एक से ज़्यादा वॉइस आ जाती हैं। खुली तार के साथ फ़्रेट पर दबा नोट बजाएँ, या कॉर्ड स्ट्रम करते हुए धुन के नोट चुनकर बजाएँ, तो कई स्वतंत्र वॉइस को अलग से ट्रैक करना पड़ता है। पॉलीफ़ोनी कोई असामान्य स्थिति नहीं है। संगीतकार जो बजाते हैं उसका बड़ा हिस्सा पॉलीफ़ोनिक होता है।
पॉलीफ़ोनिक ट्रांसक्रिप्शन मुश्किल क्यों है
जब हार्मोनिक्स आपस में मिलते हैं, तो सिग्नल को अलग करना मुश्किल हो जाता है। पुराने मॉडल यह काम अच्छी तरह नहीं कर पाते थे। कई नोट एक साथ बजते हैं तो उनकी मूल फ़्रीक्वेंसी और ओवरटोन एक ही वेवफ़ॉर्म में मिल जाते हैं। शुरुआती सॉफ़्टवेयर के पास यह पता लगाने के सीमित तरीके थे कि कौन सी फ़्रीक्वेंसी किस नोट की है।
पियानो कॉर्ड केवल कुछ साफ़ सुरों का समूह नहीं होता। हर नोट से ओवरटोन की एक शृंखला निकलती है। नीचे के नोट का ऊपरी हार्मोनिक उसी समय बज रहे ऊँचे नोट की मूल फ़्रीक्वेंसी पर आ सकता है। पुराने एल्गोरिदम के लिए इस उलझन को भरोसेमंद ढंग से सुलझाना मुश्किल था। पॉलीफ़ोनिक संगीत पर खास तौर से प्रशिक्षित आधुनिक AI मॉडल से यह काम काफ़ी बेहतर होने लगा है। Songscription में पियानो ट्रांसक्रिप्शन जैसे टूल इसी समस्या को ध्यान में रखकर बनाए गए हैं। इनके मॉडल सिर्फ़ प्रमुख फ़्रीक्वेंसी चुनने के बजाय वॉइस अलग करना और कॉर्ड में नोटों की व्यवस्था पहचानना सीखते हैं। हर रिकॉर्डिंग पर नतीजे पूरी तरह सही नहीं होते, लेकिन मौजूदा मॉडल और पुराने तरीकों के नतीजों में बड़ा फ़र्क है।
मोनोफ़ोनिक और पॉलीफ़ोनिक ट्रांसक्रिप्शन के मुख्य फ़र्क
व्यवहार में फ़र्क सिग्नल की जटिलता और एल्गोरिदम के काम में दिखता है।
- मोनोफ़ोनिक ट्रांसक्रिप्शन समय के साथ एक प्रमुख फ़्रीक्वेंसी को ट्रैक करता है। एल्गोरिदम के सामने एक साफ़ लक्ष्य होता है और इस स्थिति में सुर पहचानने की तकनीक काफ़ी विकसित है। जो गलतियाँ होती हैं, वे आम तौर पर गलत नोटों के बजाय लय से जुड़ी होती हैं।
- पॉलीफ़ोनिक ट्रांसक्रिप्शन को एक साथ कई मिली हुई फ़्रीक्वेंसी ट्रैक करनी होती हैं और मूल सुरों को उनके हार्मोनिक ओवरटोन से अलग पहचानना होता है।
- ऑडियो के स्रोत अलग हैं। मोनोफ़ोनिक ऑडियो अकेले बजाए गए फूँक से बजने वाले वाद्य, बिना संगत के गाई गई धुन या एक तार पर अलग से बजाई धुन से आ सकता है। पॉलीफ़ोनिक ऑडियो में संगीतकारों का बजाया अधिकांश संगीत आता है: पियानो कॉर्ड, स्ट्रम किया हुआ गिटार और कोई भी संगीत जिसमें एक समय पर कई वॉइस बजती हों।
- नतीजे अलग हैं। मोनोफ़ोनिक ट्रांसक्रिप्शन से एक धुन लिखी जाती है। पॉलीफ़ोनिक ट्रांसक्रिप्शन में कई वॉइस, कॉर्ड में नोटों की व्यवस्था, एक कॉर्ड से अगले कॉर्ड तक वॉइस की चाल और स्वतंत्र हिस्सों की जटिल लय संभालनी होती है।
ज़्यादातर संगीतकारों के लिए पॉलीफ़ोनिक ट्रांसक्रिप्शन क्यों मायने रखता है
असल संगीत कम ही मोनोफ़ोनिक होता है। अकेले गिटार पर भी नए नोटों के लिए तार दबाते समय खुली तारें बजती रह सकती हैं। पियानो पर एक साथ दो की दबाते ही संगीत पॉलीफ़ोनिक हो जाता है, और पियानो बजाने वालों का अधिकांश संगीत ऐसा ही होता है। मोनोफ़ोनिक टूल उसका सिर्फ़ एक हिस्सा लिखता है।
संगीत जितना घना होगा, टूल की पॉलीफ़ोनिक क्षमता की परीक्षा उतनी ही कठिन होगी। शुरुआत में कोई एक बार में एक नोट वाली आसान धुनों का अभ्यास कर सकता है। आगे चलकर कॉर्ड प्रोग्रेशन, एक साथ चलती स्वतंत्र धुनों और कई परतों वाली अरेंजमेंट पर काम होता है। मोनोफ़ोनिक टूल इनके लिए बने ही नहीं थे। जिस संगीत को आप लिखना चाहें, उसके लिए पॉलीफ़ोनिक सपोर्ट अक्सर ज़रूरी होगा।
AI पॉलीफ़ोनिक और मोनोफ़ोनिक ऑडियो को कैसे समझता है
एक बार में एक नोट वाली धुन के लिए एल्गोरिदम अपेक्षाकृत सीधे तरीके से सुर पहचानकर समय के साथ एक प्रमुख फ़्रीक्वेंसी को ट्रैक कर सकता है। कई नोट एक साथ बजने पर मॉडल को आपस में मिलते फ़्रीक्वेंसी पैटर्न पहचानकर अलग करने होते हैं। पॉलीफ़ोनिक संगीत पर प्रशिक्षित न्यूरल नेटवर्क इस काम में बहुत मदद करते हैं।
डीप लर्निंग के आने से पॉलीफ़ोनिक ट्रांसक्रिप्शन में प्रगति हुई। पुराने सिग्नल प्रोसेसिंग तरीके एक साथ बजते सुरों पर आकर अटक जाते थे। आधुनिक नेटवर्क कॉर्ड पैटर्न और वाद्यों के मेल को उन तरीकों से पहचानना सीखते हैं जो पहले संभव नहीं थे। मूल मुश्किल अब भी आपस में मिलते हार्मोनिक्स की है। हर नोट में ओवरटोन की एक शृंखला होती है जिससे उसकी आवाज़ भरी हुई लगती है और उसे अलग पहचान मिलती है। वाद्य एक साथ बजते हैं तो उनकी हार्मोनिक शृंखलाएँ मिलकर एक दूसरे में हस्तक्षेप करती हैं। तब यह बताना मुश्किल हो जाता है कि कौन सी फ़्रीक्वेंसी किस स्रोत की है।
व्यवहार में सटीकता कैसी दिखती है
भरोसेमंद पॉलीफ़ोनिक ट्रांसक्रिप्शन से साफ़ नोटेशन मिलता है जिसमें कॉर्ड के नोट सही ढंग से व्यवस्थित हों और ऐसे नोट कम हों जो असल में बजाए ही नहीं गए। उसमें बास, धुन और हार्मनी अलग वॉइस के रूप में लिखे जाते हैं और उनका समय भी सही बना रहता है। कुछ गलतियाँ अक्सर दिखती हैं: घने हिस्सों में बास नोट छूटना, तेज़ ओवरटोन के कारण एक ही नोट दो बार लिखना और सजावटी छोटे नोटों को लंबे समय तक बजने वाले सुर समझ लेना।
जटिल ऑर्केस्ट्रेशन और खराब गुणवत्ता वाले ऑडियो पर नतीजों की गुणवत्ता गिरती है। अच्छी तरह प्रशिक्षित मॉडल अकेले पियानो की साफ़ रिकॉर्डिंग पर अच्छा काम करता है। घने लाइव मिक्स में, जहाँ वाद्यों की आवाज़ें एक दूसरे में मिलती हैं, उसी मॉडल के नतीजे को ज़्यादा सुधारना पड़ता है। Songscription जैसे ऑडियो से स्कोर बनाने वाले टूल ट्रांसक्रिप्शन के साथ पियानो रोल एडिटर या नोटेशन व्यू देते हैं। इससे अलग ऐप पर जाए बिना नतीजे की जाँच करना आसान होता है।
पॉलीफ़ोनिक ट्रांसक्रिप्शन टूल में क्या देखें
पॉलीफ़ोनिक सपोर्ट का दावा करने वाले सभी टूल एक जैसी गुणवत्ता नहीं देते। किसी टूल को चुनने से पहले कुछ बातें परख लें।
पहले अपने ऑडियो पर आज़माएँ
मार्केटिंग पेज पर पॉलीफ़ोनिक सपोर्ट का दावा पढ़कर ही भरोसा न करें। कई टूल AI से सटीक नतीजों का दावा करते हैं, लेकिन एक समय पर सिर्फ़ एक नोट ट्रैक करते हैं। पियानो का आसान कॉर्ड या गिटार पर स्ट्रम किया हुआ छोटा हिस्सा अपलोड करके नतीजा देखें। पॉलीफ़ोनी को ठीक से समझने वाला टूल हर पल की सिर्फ़ सबसे मज़बूत फ़्रीक्वेंसी के बजाय एक ही समय पर कई नोट दिखाएगा।
देखें कि मॉडल किन वाद्यों पर काम करता है
पॉलीफ़ोनिक नतीजों की गुणवत्ता वाद्य के हिसाब से काफ़ी बदलती है। पियानो पर अच्छा काम करने वाले मॉडल के नतीजे गिटार या ब्रास वाद्यों पर काफ़ी कमज़ोर हो सकते हैं। इनके हार्मोनिक पैटर्न और बजाने के तरीके इतने अलग होते हैं कि हर वाद्य के लिए अलग प्रशिक्षण चाहिए। हर चीज़ पर काम करने का दावा करने वाले टूल के बजाय ऐसे टूल चुनें जो साफ़ बताते हों कि वे किन वाद्यों पर अच्छा काम करते हैं। अगर आपका ज़्यादातर काम एक वाद्य पर है, तो उस पर प्रशिक्षित मॉडल आम तौर पर सामान्य मॉडल से बेहतर नतीजे देगा। अगर हर नोट को एक ही स्टाफ़ पर लिखने के बजाय हर वाद्य का अलग हिस्सा चाहिए, तो कई वाद्यों के लिए सबसे अच्छे ट्रांसक्रिप्शन सॉफ़्टवेयर की हमारी सूची देखें।
आउटपुट फ़ॉर्मैट के विकल्प
ट्रांसक्रिप्शन पूरा होने के बाद उसका इस्तेमाल अलग तरीकों से हो सकता है। बजाने के लिए स्कोर, DAW सेशन के लिए MIDI और नोटेशन एडिटर के लिए MusicXML काम आते हैं। हर फ़ॉर्मैट का अपना उपयोग है। केवल एक फ़ॉर्मैट एक्सपोर्ट करने वाला टूल आगे का काम मुश्किल बना सकता है। MIDI आउटपुट के बारे में विस्तार से जानने के लिए ऑडियो को MIDI में बदलने की गाइड देखें।
आख़िरी बात
ज़्यादातर संगीत पॉलीफ़ोनिक होता है और ज़्यादातर संगीतकारों को उसे संभालने वाला टूल चाहिए। मोनोफ़ोनिक ट्रांसक्रिप्शन अकेली धुन या अलग बास हिस्से के लिए काम आता है, लेकिन लोग जो संगीत लिखना चाहते हैं उसका छोटा हिस्सा ही इसमें आता है।
अच्छे पॉलीफ़ोनिक सपोर्ट वाला मॉडल एक बार में एक नोट वाले ऑडियो को भी आसानी से संभाल लेगा। सिर्फ़ मोनोफ़ोनिक टूल दाएँ हाथ से बजाए कॉर्ड को नहीं लिख पाएगा। संदेह हो तो जिस संगीत का ट्रांसक्रिप्शन करना है, उसके सबसे मुश्किल हिस्से पर टूल आज़माएँ। स्केल के बजाय कॉर्ड से जाँच करें।
अक्सर पूछे जाने वाले सवाल
मोनोफ़ोनिक और पॉलीफ़ोनिक ट्रांसक्रिप्शन में क्या फ़र्क है?
मोनोफ़ोनिक ट्रांसक्रिप्शन ऐसे ऑडियो को नोटेशन में बदलता है जिसमें एक समय पर सिर्फ़ एक नोट बजता है। इसमें समय के साथ एक प्रमुख फ़्रीक्वेंसी को ट्रैक किया जाता है। पॉलीफ़ोनिक ट्रांसक्रिप्शन ऐसे ऑडियो पर काम करता है जिसमें एक साथ कई नोट बजते हैं। इसलिए उसे सिर्फ़ सबसे तेज़ आवाज़ के बजाय हर बजती हुई वॉइस को पहचानना होता है। अकेले बजाया गया फूँक से बजने वाला वाद्य या बिना संगत के गाई गई धुन मोनोफ़ोनिक हो सकती है। संगीतकार जो संगीत बजाते हैं, उसका ज़्यादातर हिस्सा पॉलीफ़ोनिक होता है, जैसे पियानो कॉर्ड और गिटार पर स्ट्रम किए गए कॉर्ड।
पॉलीफ़ोनिक ट्रांसक्रिप्शन, मोनोफ़ोनिक से मुश्किल क्यों है?
हार्मोनिक्स के आपस में मिलने से सिग्नल को अलग करना मुश्किल हो जाता है। कई नोट एक साथ बजते हैं तो उनकी मूल फ़्रीक्वेंसी और ओवरटोन एक ही वेवफ़ॉर्म में मिल जाते हैं। किसी नीचे के नोट का ऊपरी हार्मोनिक उसी समय बज रहे ऊँचे नोट की मूल फ़्रीक्वेंसी पर भी आ सकता है। खास तौर पर पॉलीफ़ोनिक संगीत पर प्रशिक्षित आधुनिक AI मॉडल ने पुराने सिग्नल प्रोसेसिंग तरीकों की तुलना में यह काम काफ़ी आसान बनाया है, हालाँकि हर रिकॉर्डिंग पर नतीजे पूरी तरह सही नहीं होते।
कैसे पता करें कि ट्रांसक्रिप्शन टूल सच में पॉलीफ़ोनी पर काम करता है?
मार्केटिंग पेज के दावे पर भरोसा करने के बजाय अपने ऑडियो पर टूल आज़माएँ। पियानो का एक आसान कॉर्ड या गिटार पर स्ट्रम किया हुआ छोटा हिस्सा अपलोड करें और नतीजा देखें। पॉलीफ़ोनी को ठीक से समझने वाला टूल हर पल की सिर्फ़ सबसे मज़बूत फ़्रीक्वेंसी के बजाय एक ही समय पर कई नोट दिखाएगा। यह भी देखें कि मॉडल किन वाद्यों पर काम करता है, क्योंकि पॉलीफ़ोनिक नतीजों की गुणवत्ता वाद्य के हिसाब से काफ़ी बदलती है।
