मुख्य सामग्री पर जाएँ

AI से संगीत ट्रांसक्रिप्शन की सटीकता क्यों बदलती है

संसाधनपढ़ने में 6 मिनटAndrew Carlins

साफ़ सोलो पियानो रिकॉर्डिंग अपलोड करने पर नतीजा बहुत सटीक होता है, लेकिन लाइव बैंड की रिकॉर्डिंग का नतीजा काफ़ी अलग दिख सकता है। इसकी दो वजहें हैं: रिकॉर्डिंग और AI मॉडल की बनावट।

साफ़ सोलो पियानो रिकॉर्डिंग अपलोड करने पर नतीजे बहुत सटीक मिलते हैं। उसी टूल में लाइव बैंड की रिकॉर्डिंग डालें तो नतीजा काफ़ी अलग दिख सकता है। यह फ़र्क दो बातों से आता है: रिकॉर्डिंग कैसी सुनाई देती है और इस्तेमाल किया गया AI मॉडल कैसे बनाया गया है।

संगीत से जुड़ी कुछ बातें रिकॉर्डिंग को समझना आसान या मुश्किल बनाती हैं। मॉडल में भी फ़र्क होते हैं, जिनकी वजह से एक ही ऑडियो अलग टूल में अलग नतीजा दे सकता है। पहले बुनियादी जानकारी चाहिए तो AI संगीत ट्रांसक्रिप्शन की सटीकता से क्या उम्मीद करें पढ़ें।

संगीत से जुड़े कारण जो AI ट्रांसक्रिप्शन की सटीकता पर असर डालते हैं

कुछ रिकॉर्डिंग को समझना AI के लिए दूसरों से आसान होता है। नीचे दिए कारण बताते हैं कि कुछ ऑडियो का नतीजा ज़्यादा साफ़ क्यों आता है और नतीजा साफ़ न हो तो क्या किया जा सकता है। शुरुआत से बेहतर नतीजा पाने के तरीके जानने के लिए सटीक AI संगीत ट्रांसक्रिप्शन पाने की गाइड भी पढ़ें।

अलग ट्यूनिंग

ज़्यादातर AI ट्रांसक्रिप्शन टूल को मानक पश्चिमी ट्यूनिंग वाले संगीत पर प्रशिक्षित किया जाता है। रिकॉर्डिंग में ट्यूनिंग अलग हो, जैसे गिटार एक होल स्टेप नीचे ट्यून किया गया हो या किसी ऐसी संगीत परंपरा का संगीत हो जिसमें नोटों के बीच का अंतर अलग हो, तो हो सकता है मॉडल को सुनाई देने वाले सुर का सटीक मेल न मिले। तब वह अपने पहचाने हुए सबसे नज़दीकी नोट को चुनता है। अगर आप अक्सर अलग ट्यूनिंग में काम करते हैं, तो अपलोड से पहले ऑडियो को मानक ट्यूनिंग में ट्रांसपोज़ करके बाद में नतीजे को फिर मूल ट्यूनिंग में लाने से आम तौर पर सबसे साफ़ नतीजा मिलता है।

टेम्पो में बदलाव और अस्थिर टाइमिंग

हर नोट कब बजता है, यह समझने के लिए AI रिकॉर्डिंग की मूल बीट का इस्तेमाल करता है। जब कोई वादक बीट से थोड़ा हटकर बजाता है या किसी हिस्से में स्वाभाविक रूप से गति तेज़ और धीमी करता है, तो मॉडल के लिए इसे समझना मुश्किल हो जाता है। ज़्यादातर बार वह इसे ठीक से संभाल लेता है। जिन रिकॉर्डिंग में लय काफ़ी बदलती रहती है, उनमें आम तौर पर बाद में एडिटर में थोड़ा सुधार करना ही काफ़ी होता है।

ज़्यादा प्रोसेस की गई आवाज़ और माइक्रोफ़ोन में दूसरी आवाज़ों का आना

गिटार पर बहुत ज़्यादा डिस्टॉर्शन या सिंथ की आवाज़ पर कई इफ़ेक्ट लगाने से AI के लिए मूल सुर पहचानना मुश्किल हो सकता है। मूल आवाज़ पर कई परतें चढ़ जाती हैं। नतीजा रिकॉर्डिंग के हिसाब से काफ़ी बदलता है। ज़्यादा मुश्किल तब होती है जब एक माइक्रोफ़ोन एक साथ कई वाद्यों की आवाज़ पकड़ता है। अगर अलग ट्रैक या स्टेम उपलब्ध हों, तो उन्हें अपलोड करने पर पूरे मिक्स की तुलना में हमेशा ज़्यादा साफ़ शुरुआती नतीजा मिलेगा।

AI मॉडल भी क्यों मायने रखता है

एक ही रिकॉर्डिंग को दो अलग ट्रांसक्रिप्शन टूल में डालने पर अक्सर अलग नतीजे मिलते हैं। ऊपर बताए कारण हर मॉडल पर असर डालते हैं, लेकिन कुछ टूल इन्हें दूसरों से बेहतर संभाल पाते हैं। इसकी दो वजहें हैं: मॉडल ने किस तरह के संगीत से सीखा है और क्या उसे खास वाद्यों को ध्यान में रखकर बनाया गया है।

मॉडल को किस संगीत पर प्रशिक्षित किया गया है

AI ट्रांसक्रिप्शन टूल बड़ी मात्रा में पहले से मौजूद संगीत से सीखते हैं। प्रशिक्षण में जितने ज़्यादा तरह का संगीत होगा, मॉडल आम तौर पर नए तरह के संगीत को उतना ही बेहतर संभालेगा। कई शैलियों के संगीत और अलग-अलग हालात में की गई रिकॉर्डिंग पर प्रशिक्षित टूल नए तरह के संगीत पर भी अच्छा काम करेगा। सीमित तरह के संगीत पर प्रशिक्षित टूल उसी दायरे में अच्छा काम करेगा और उसके बाहर उतना अच्छा नहीं।

जब कोई टूल खुद को हर तरह के काम के लिए बना बताए, तो यह बात ध्यान में रखें। आम तौर पर इसका मतलब होता है कि वह सबसे प्रचलित शैलियों को ठीक से संभालता है। इसका मतलब यह नहीं कि वह हर वाद्य या शैली को एक जैसा संभालेगा। जिस तरह के संगीत पर आप काम कर रहे हैं, उसे समझने वाले टूल से आम तौर पर सबसे अच्छे नतीजे मिलते हैं।

क्या मॉडल खास वाद्यों के लिए बनाया गया है

किसी एक वाद्य के लिए बनाए गए टूल आम तौर पर उस वाद्य पर काफ़ी बेहतर काम करते हैं। खास तौर पर पियानो के लिए बने मॉडल ने सीखा होता है कि पियानो कैसा सुनाई देता है, नोट एक दूसरे पर कैसे चढ़ते हैं, सस्टेन कैसे काम करता है और वे छोटी बारीकियाँ क्या हैं जिनसे पियानो का ट्रांसक्रिप्शन सटीक बनता है। कई वाद्यों को संभालने वाले सामान्य टूल को सीखी हुई सभी चीज़ों पर ध्यान बाँटना पड़ता है। मुख्य विकल्पों की तुलना के लिए AI संगीत ट्रांसक्रिप्शन सॉफ़्टवेयर की तुलना से शुरुआत करें।

किसी भी AI ट्रांसक्रिप्शन टूल से बेहतर नतीजे पाएँ

अच्छे टूल असली रिकॉर्डिंग पर काम करने के लिए बनाए जाते हैं। ज़्यादातर बार रिकॉर्डिंग अपलोड करते ही अच्छा नतीजा मिल जाता है। जब आपको सबसे साफ़ नतीजा चाहिए, तो कुछ आसान आदतें हर बार काम आती हैं।

आपके पास जो रिकॉर्डिंग हैं, उनमें सबसे अच्छी से शुरुआत करें। लॉसलेस ऑडियो फ़ाइलों में कंप्रेस की गई फ़ाइलों की तुलना में मॉडल के लिए ज़्यादा जानकारी होती है। अगर कंप्रेस की गई फ़ाइल में सामान्य से ज़्यादा सुधार करने पड़ रहे हैं, तो अक्सर उसे दोबारा एक्सपोर्ट करने से पहले मूल स्रोत पर लौटना फ़ायदेमंद होता है। MP3 से स्कोर बनाने की गाइड में बताया गया है कि कंप्रेस किए गए ऑडियो से क्या उम्मीद की जा सकती है।

जिस वाद्य का ट्रांसक्रिप्शन चाहिए, उसका अलग ट्रैक हो तो उसे अपलोड करें। सोलो पियानो पार्ट का नतीजा हमेशा पूरे बैंड की रिकॉर्डिंग में दबे उसी पियानो पार्ट से ज़्यादा साफ़ आएगा। अगर आपके पास सिर्फ़ पूरा मिक्स है, तो पहले स्टेम अलग करने वाले टूल से वाद्य की आवाज़ अलग करने में मदद मिल सकती है। पूरी तरह साफ़ न होने पर भी अलग किया गया ट्रैक आम तौर पर पूरे मिक्स से बेहतर इनपुट होता है।

हर काम के लिए बने टूल की जगह अपने वाद्य के लिए बना टूल इस्तेमाल करें। पियानो पर केंद्रित टूल कीबोर्ड पार्ट पर बेहतर काम करते हैं। गिटार के टूल फ्रेट वाले वाद्यों के लिए बनाए जाते हैं। जिस वाद्य का ट्रांसक्रिप्शन कर रहे हैं, उसके अनुसार टूल चुनने पर आम तौर पर बाद में कम सुधार करने पड़ते हैं।

नतीजे को अंतिम मानने से पहले पियानो रोल में एक बार जाँच लें। बहुत अच्छे ट्रांसक्रिप्शन पर भी एक नज़र डालने से छोटी गलतियाँ जल्दी पकड़ में आ जाती हैं। AI ट्रांसक्रिप्शन की गलतियाँ सुधारने की गाइड में बताया गया है कि क्या देखें और उसे कैसे ठीक करें।

Songscription इन मुश्किलों को कैसे संभालता है

Songscription का मल्टी इंस्ट्रूमेंट AI कई तरह की असली रिकॉर्डिंग से सटीक, इस्तेमाल के लिए तैयार ट्रांसक्रिप्शन बनाने के लिए बनाया गया है। पियानो और मेलोडी बजाने वाले वाद्यों पर यह खास तौर पर अच्छा काम करता है। रिकॉर्डिंग अपलोड करें और आपको अच्छी गुणवत्ता का नतीजा मिलेगा, जिस पर तुरंत काम शुरू किया जा सकता है।

मॉडल को कई अलग परिस्थितियों में की गई असली रिकॉर्डिंग पर प्रशिक्षित किया गया है। इसलिए यह कमरे की आवाज़, मध्यम स्तर के बैकग्राउंड शोर और असली संगीत में आने वाली ऑडियो की कमियों को संभाल लेता है। Songscription गिटार, बास और ड्रम भी संभालता है, इसलिए एक ही सेशन के कई पार्ट पर काम करने के लिए टूल बदलने की ज़रूरत नहीं पड़ती। पियानो और मेलोडी बजाने वाले वाद्यों के नतीजे आम तौर पर सबसे साफ़ आते हैं। गिटार और बास के ट्रांसक्रिप्शन भी अच्छे होते हैं, लेकिन रिकॉर्डिंग के अनुसार कभी-कभी उनमें कुछ सुधार करने पड़ सकते हैं।

हर ट्रांसक्रिप्शन Songscription के स्कोर एडिटर में स्कोर के रूप में खुलता है। बदलाव करने के लिए उसके साथ पियानो रोल भी होता है। एक ही जगह ट्रांसक्रिप्शन जाँचें, उसे मूल रिकॉर्डिंग के साथ चलाकर सुनें और बदलाव करें। आप AI स्कोर असिस्टेंट Annie से भी बदलाव करने को कह सकते हैं। कई संगीतकारों के लिए एक बार जल्दी से एडिट करना प्रक्रिया का सामान्य हिस्सा है। सब कुछ एक ही स्क्रीन पर होने से यह काम आसान रहता है।

आख़िरी बात

AI ट्रांसक्रिप्शन ने एक मुश्किल काम को घंटों की जगह मिनटों में करना संभव बनाया है। साफ़ सोलो रिकॉर्डिंग और कई आवाज़ों वाली लाइव रिकॉर्डिंग के नतीजों में फ़र्क के पीछे कुछ खास कारण होते हैं। इन्हें जानने से मिले हुए नतीजे को समझना और शुरुआत से सबसे साफ़ नतीजे की तैयारी करना आसान होता है।

ज़्यादातर रिकॉर्डिंग के लिए एक अच्छा टूल तुरंत काफ़ी अच्छा नतीजा दे देता है। उस शुरुआती नतीजे को पूरी तरह इस्तेमाल के लिए तैयार करने के लिए आम तौर पर साफ़ इनपुट, अपने वाद्य के लिए सही टूल और एक बार जल्दी से जाँच करना ही काफ़ी होता है।

अक्सर पूछे जाने वाले सवाल

AI ट्रांसक्रिप्शन की सटीकता क्यों बदलती है?

नतीजे में यह फ़र्क दो बातों से आता है: रिकॉर्डिंग कैसी सुनाई देती है और इस्तेमाल किया गया AI मॉडल कैसे बनाया गया है। साफ़ सोलो पियानो रिकॉर्डिंग से बहुत सटीक नतीजे मिलते हैं, जबकि कई आवाज़ों वाली लाइव बैंड रिकॉर्डिंग का नतीजा काफ़ी अलग दिख सकता है। अलग ट्यूनिंग, अस्थिर टाइमिंग, ज़्यादा प्रोसेसिंग और माइक्रोफ़ोन में दूसरे वाद्यों की आवाज़ आने से रिकॉर्डिंग को समझना मुश्किल होता है।

एक ही रिकॉर्डिंग का नतीजा अलग टूल में अलग क्यों आता है?

यह इस पर निर्भर करता है कि मॉडल ने किस तरह के संगीत से सीखा है और क्या उसे खास वाद्यों को ध्यान में रखकर बनाया गया है। कई शैलियों के संगीत और अलग-अलग हालात में की गई रिकॉर्डिंग पर प्रशिक्षित मॉडल नए तरह के संगीत पर भी अच्छा काम करता है। सीमित तरह के संगीत पर प्रशिक्षित मॉडल उसी दायरे में अच्छा काम करता है और उसके बाहर उतना अच्छा नहीं। किसी एक वाद्य के लिए बनाए गए टूल आम तौर पर उस वाद्य पर सामान्य टूल से काफ़ी बेहतर काम करते हैं।

AI ट्रांसक्रिप्शन टूल से ज़्यादा सटीक नतीजे कैसे पाएँ?

अपनी सबसे अच्छी रिकॉर्डिंग से शुरुआत करें। लॉसलेस फ़ाइलों में कंप्रेस की गई फ़ाइलों की तुलना में मॉडल के लिए ज़्यादा जानकारी होती है। जिस वाद्य का ट्रांसक्रिप्शन चाहिए, उसका अलग ट्रैक हो तो उसे अपलोड करें। अकेले वाद्य के पार्ट का ट्रांसक्रिप्शन पूरे बैंड की रिकॉर्डिंग में दबे उसी पार्ट के ट्रांसक्रिप्शन से ज़्यादा साफ़ होता है। अपने वाद्य के लिए बनाया गया टूल इस्तेमाल करें और नतीजे को अंतिम मानने से पहले पियानो रोल में एक बार जाँच लें।

लेखक के बारे में

Andrew Carlins

लेखक

Andrew Carlins

Songscription के सह-संस्थापक और CEO

Andrew ने स्टैनफ़र्ड में कुछ साथी संगीतकारों के साथ मिलकर Songscription की स्थापना की। वे सभी अपनी पसंद के गानों के स्कोर न मिलने से परेशान थे। बचपन से Andrew पियानो और बैरिटोन सैक्सोफ़ोन बजाते थे और म्यूज़िकल थिएटर में भी प्रस्तुति देते थे। कई सालों से उन्होंने प्रस्तुति नहीं दी है, फिर भी उन्हें लगता है कि उनका हुनर अब भी बरकरार है। वे लिखते हैं कि रिकॉर्डिंग से गाने के नोट स्कोर पर कैसे उतारे जाएँ।

टीम के बारे में और जानें

इन्हीं विषयों पर और लेख पढ़ें।