यह लेख म्यूज़िक नोटेशन के शब्दों पर हमारी गाइड का हिस्सा है।
गाई हुई एक मेलोडी में एक समय पर एक ही नोट होता है और सॉफ़्टवेयर कई सालों से उसे पहचान पा रहा है। पियानो का मामला अलग है। उस पर एक साथ पाँच, छह या आठ नोट बजते हैं। एक हाथ कॉर्ड थामे रहता है तो दूसरा उसके बीच एक धुन बजाता है। सबकी आवाज़ मिलकर एक साथ गूँजती है। कंप्यूटर को इनमें से हर नोट अलग करके लिखना सिखाना म्यूज़िक ट्रांसक्रिप्शन की सबसे बड़ी मुश्किल है। इस क्षेत्र में पियानो ही वह कसौटी है जिस पर काम परखा जाता है।
पॉलीफ़ोनिक पियानो ट्रांसक्रिप्शन में मॉडल को एक साथ बजते नोटों की पहचान करके कॉर्ड पढ़ना होता है। साफ़ पियानो रिकॉर्डिंग से सबसे अच्छा नतीजा मिलता है।
पॉलीफ़ोनिक ट्रांसक्रिप्शन का मतलब
पॉलीफ़ोनिक का मतलब है कई वॉइस। पॉलीफ़ोनिक ट्रांसक्रिप्शन में उस ऑडियो के हर नोट को लिखा जाता है जिसमें कई नोट एक साथ बज रहे हों। इसके उलट मोनोफ़ोनिक ट्रांसक्रिप्शन में एक धुन होती है, जिसमें एक समय पर एक नोट बजता है। यह काफ़ी आसान है, क्योंकि यह तय करने की ज़रूरत नहीं पड़ती कि कितने नोट बज रहे हैं। इन दोनों का फ़र्क हमने मोनोफ़ोनिक और पॉलीफ़ोनिक ट्रांसक्रिप्शन वाले लेख में समझाया है। पियानो के संगीत में घने कॉर्ड, साथ-साथ चलती वॉइस और सस्टेन पेडल की वजह से आपस में मिलती आवाज़ें पॉलीफ़ोनी को जटिल बनाती हैं।
एक साथ बजते नोट पहचानना इतना मुश्किल क्यों है
एक नोट की आवाज़ सिर्फ़ एक फ़्रीक्वेंसी से नहीं बनती। उसमें एक मूल फ़्रीक्वेंसी और उसके ऊपर कई ओवरटोन होते हैं। इन्हें हार्मोनिक सीरीज़ कहते हैं और इसी से नोट का टिंबर बनता है। एक नोट बजने पर सिस्टम उसकी मूल फ़्रीक्वेंसी ढूँढ़कर सुर पहचान सकता है। कई नोट एक साथ बजें तो उनकी हार्मोनिक सीरीज़ आपस में मिल जाती हैं और पहचान मुश्किल हो जाती है।
- साझा हार्मोनिक्स। जिन नोटों के बीच पाँचवें सुर या एक ऑक्टेव का अंतर होता है, उनके कई ओवरटोन साझा होते हैं। इसलिए एक नोट के संकेत दूसरे जैसे लगते हैं।
- ऑक्टेव की समस्या। किसी नोट और उससे एक ऑक्टेव ऊपर के नोट के लगभग सभी हार्मोनिक्स साझा होते हैं। इसीलिए न बजाया गया ऑक्टेव जोड़ देना या ऑक्टेव को गलत जगह रखना पॉलीफ़ोनिक ट्रांसक्रिप्शन की आम गलती है।
- नोटों की गिनती। सुरों के नाम तय करने से पहले सिस्टम को पहचानना होता है कि कितने नोट बज रहे हैं। हल्की बजती अंदरूनी वॉइस ज़ोर से बजती बाहरी वॉइस के नीचे छिप सकती है।
- नोटों की शुरुआत। कई नोट लगभग एक ही समय पर शुरू हों और पेडल पहले के नोटों को भी गूँजने दे, तो हर नोट ठीक कब शुरू हुआ, यह पता लगाना मुश्किल होता है।
AI कॉर्ड कैसे पढ़ता है
आधुनिक सिस्टम इसके लिए हाथ से बनाए नियमों की लंबी सूची के बजाय उदाहरणों से सीखते हैं। न्यूरल नेटवर्क को बहुत सारा ऑडियो और उसके साथ सही नोट देकर सिखाया जाता है। इस तरह वह पियानो का असली टिंबर सीखता है: उसके हार्मोनिक्स कैसे काम करते हैं, ज़ोर से और हल्के बजाए गए नोटों में क्या फ़र्क है और बजने के बाद नोट की आवाज़ कैसे कम होती है।
रिकॉर्डिंग पढ़ने के लिए मॉडल ऑडियो को कई छोटे फ़्रेम में बाँटता है। हर फ़्रेम में वह अनुमान लगाता है कि कौन-से सुर बज रहे हैं और नोट कहाँ शुरू होते हैं। फिर इन अनुमानों को जोड़कर अलग-अलग नोट बनाए जाते हैं, जिनमें हर नोट की शुरुआत, सुर और अवधि होती है। इन्हें स्कोर में लिखा जाता है। मॉडल ने पियानो का इतना असली संगीत सुना होता है कि वह पहले क्या बजा और कौन-से नोट अक्सर साथ आते हैं, जैसी बातों से उन उलझनों को सुलझा सकता है जिन्हें सिर्फ़ फ़्रीक्वेंसी का साधारण विश्लेषण नहीं सुलझा पाता। यह फ़्रीक्वेंसी पढ़ने वाले कैलकुलेटर से ज़्यादा उस तरीके के करीब है जिससे एक प्रशिक्षित संगीतकार कॉर्ड सुनता है।
पियानो कसौटी क्यों है
इस पूरे क्षेत्र में पियानो पर सबसे ज़्यादा काम हुआ है और इसकी ठोस वजहें हैं। आम वाद्यों में इसकी पॉलीफ़ोनी सबसे घनी होती है, इसके नोट साफ़ और एक जैसे ढंग से शुरू होते हैं और उनकी आवाज़ एक अनुमानित ढंग से कम होती है। सीखने के लिए इसका बहुत सारा डेटा भी उपलब्ध है। इन वजहों से पियानो ट्रांसक्रिप्शन पर काम सबसे आगे बढ़ा है और Songscription का सबसे विकसित मॉडल भी पियानो के लिए है। साफ़ सोलो पियानो रिकॉर्डिंग से ऐसा नतीजा मिलता है जो किसी कुशल व्यक्ति के लिखे ट्रांसक्रिप्शन के करीब होता है। इसमें वे अंदरूनी वॉइस भी शामिल होती हैं जिन्हें सुनने वाला कान से अलग नहीं पहचान पाता। AI से पियानो संगीत का ट्रांसक्रिप्शन और जैज़ पियानो कॉर्ड का ट्रांसक्रिप्शन वाली हमारी गाइड में असली संगीत के साथ इसके नतीजे देखे जा सकते हैं।
सटीकता पर क्या असर पड़ता है और बेहतर नतीजे के लिए क्या करें
सबसे ज़्यादा फ़र्क रिकॉर्डिंग से पड़ता है। साफ़, अलग से रिकॉर्ड किया गया सोलो पियानो, जिसमें गूँज काफ़ी कम हो, मॉडल को सबसे स्पष्ट संकेत देता है। ज़्यादा रीवर्ब और सस्टेन पेडल का ज़्यादा इस्तेमाल अलग-अलग कॉर्ड की आवाज़ों को आपस में मिला देते हैं और दिखने वाली ज़्यादातर गलतियों की वजह बनते हैं। अगर आपने डिजिटल पियानो पर बजाया है, तो सीधे MIDI रिकॉर्ड करने से नोटों का बिल्कुल सही डेटा मिलता है और ऑडियो की समस्या से पूरी तरह बचा जा सकता है।
ट्रांसक्रिप्शन के बाद घने हिस्सों को जाँचने के लिए पियानो रोल सबसे अच्छी जगह है। वहाँ हर नोट एक अलग ब्लॉक होता है, इसलिए ऑक्टेव की गलती या अतिरिक्त नोट आसानी से दिख जाता है और उसे खींचकर सही जगह रखा जा सकता है। यह ग्रिड हमारी ऑडियो को पियानो रोल में बदलने की गाइड में देख सकते हैं। AI ट्रांसक्रिप्शन की सटीकता अलग-अलग क्यों होती है वाले लेख में बाकी कारण समझाए गए हैं। एक साथ कई अलग वाद्यों के बारे में जानने के लिए पढ़ें क्या AI एक साथ कई वाद्यों का ट्रांसक्रिप्शन कर सकता है। अपने बजाए संगीत पर इसे आज़माने के लिए पियानो ट्रांसक्रिप्शन से शुरुआत करें।
अक्सर पूछे जाने वाले सवाल
पॉलीफ़ोनिक पियानो ट्रांसक्रिप्शन क्या है?
पॉलीफ़ोनिक पियानो ट्रांसक्रिप्शन में ऐसी रिकॉर्डिंग के सभी नोट स्कोर में लिखे जाते हैं जिसमें कई नोट एक साथ बजते हैं, जैसे पियानो पर बजने वाले कॉर्ड और साथ-साथ चलती वॉइस। पॉलीफ़ोनिक का मतलब है एक साथ कई सुर। इसके उलट मोनोफ़ोनिक में एक समय पर एक ही नोट बजता है। एक अकेली मेलोडी का ट्रांसक्रिप्शन आसान होता है, क्योंकि एक साथ बजने वाले नोटों के हार्मोनिक्स आपस में मिल जाते हैं। ऐसे में सिस्टम को तय करना पड़ता है कि कितने नोट बज रहे हैं और उनके सुर क्या हैं।
एक मेलोडी के मुकाबले कॉर्ड का ट्रांसक्रिप्शन मुश्किल क्यों है?
एक मेलोडी में एक समय पर एक ही सुर होता है, इसलिए सिस्टम को उसकी बदलती हुई मूल फ़्रीक्वेंसी को ही पहचानना होता है। कॉर्ड में कई नोट एक साथ बजते हैं। उनके ओवरटोन आपस में मिलते हैं और एक-दूसरे को मज़बूत करते हैं, इसलिए एक नोट के संकेत दूसरे जैसे लग सकते हैं। सिस्टम को उसी क्षण यह गिनना होता है कि कितने नोट बज रहे हैं और कौन-सा हार्मोनिक किस सुर का है। एक साथ मिलती आवाज़ों में यह गिनती और पहचान करना ही पॉलीफ़ोनी के ट्रांसक्रिप्शन को मुश्किल बनाता है।
ट्रांसक्रिप्शन में ऑक्टेव की गलतियाँ क्यों होती हैं?
किसी नोट और उससे एक ऑक्टेव ऊपर के नोट के ज़्यादातर हार्मोनिक्स एक जैसे होते हैं। नीचे वाले C की ओवरटोन सीरीज़ ऊपर वाले C के हार्मोनिक्स से काफ़ी मिलती है। इस वजह से सिस्टम किसी नोट को एक ऑक्टेव ऊपर या नीचे रख सकता है, या ऐसा अतिरिक्त ऑक्टेव जोड़ सकता है जो बजाया ही नहीं गया था। मॉडल वाद्य के टिंबर और संगीत के संदर्भ से सीखकर ये गलतियाँ कम करते हैं। फिर भी पॉलीफ़ोनिक ट्रांसक्रिप्शन में अक्सर ऑक्टेव की गलतियाँ जाँचकर ठीक करनी पड़ती हैं।
पॉलीफ़ोनिक ट्रांसक्रिप्शन का सबसे सटीक नतीजा कैसे पाएँ?
मॉडल को जितनी साफ़ और अलग से रिकॉर्ड की गई पियानो रिकॉर्डिंग दे सकें, उतना अच्छा है। ऐसी सोलो पियानो रिकॉर्डिंग में, जिसमें रीवर्ब कम हो और दूसरे वाद्य साथ न बज रहे हों, मॉडल अंदरूनी वॉइस को सही पहचान पाता है। सस्टेन पेडल का ज़्यादा इस्तेमाल अलग-अलग कॉर्ड की आवाज़ों को आपस में मिला देता है और गलतियों की सबसे आम वजह है, इसलिए कम गूँज वाली रिकॉर्डिंग मदद करती है। अगर आपने डिजिटल पियानो पर बजाया है, तो सीधे MIDI रिकॉर्ड करने से नोटों का बिल्कुल सही डेटा मिलता है और ऑडियो की समस्या से पूरी तरह बचा जा सकता है। ट्रांसक्रिप्शन के बाद पियानो रोल में घने कॉर्ड जाँचें। वहाँ ऑक्टेव और अतिरिक्त नोटों की गलतियाँ आसानी से दिखती हैं और ठीक की जा सकती हैं।
