Bagian dari panduan kami untuk memilih alat transkripsi musik.
Dari semua hal yang bisa kita kendalikan, file sumber paling menentukan kualitas transkripsi. WAV dan FLAC jadi acuan karena lossless, tanpa kehilangan detail audio. Tapi MP3 yang jernih dengan laju bit tinggi bisa ditranskripsikan hampir sama baiknya. Format file jarang menjadi hambatan utama. Kualitas rekamannya jauh lebih berpengaruh pada kemampuan AI mengenali not dengan benar.
Pilih format yang bisa dipakai
Semua format audio yang umum bisa dipakai untuk transkripsi. Di Songscription, kita bisa mengunggah format berikut:
- WAV dan FLAC: lossless, pilihan yang mempertahankan detail suara paling lengkap kalau tersedia.
- MP3 dan M4A: terkompresi, sangat umum, dan kualitasnya sangat baik pada laju bit tinggi. Sebagian besar file yang sudah kita punya biasanya memakai format ini.
- AAC dan OGG: format terkompresi lain yang juga bisa ditranskripsikan dengan baik.
Tanpa file pun, kita bisa menempelkan tautan YouTube atau merekam langsung lewat mikrofon. Apa pun sumbernya, AI mengubah audio ke bentuk internal yang dipakai untuk analisis. Kita tidak perlu mengubah format file sendiri sebelum mengunggahnya.
Memahami lossless dan lossy
Format lossless seperti WAV dan FLAC menyimpan semua detail audio asli. Format lossy seperti MP3 dan AAC memperkecil file dengan membuang sebagian suara. Model pendengaran manusia memperkirakan bagian mana yang tidak akan kita sadari kalau hilang. Dengan cara ini, satu lagu bisa disimpan dalam beberapa megabita.
Untuk transkripsi, detail yang dibuang itu perlu diperhatikan kalau memengaruhi not. Pada laju bit yang cukup tinggi, biasanya tidak. Nada dasar dan saat not mulai berbunyi tetap terjaga dengan baik setelah kompresi. Lossless mempertahankan semua detail, jadi kita tidak perlu mengandalkan perkiraan tentang bagian suara mana yang aman dibuang. Kalau satu-satunya salinan yang tersedia adalah MP3 320 kbps, file itu bisa langsung diunggah.
Utamakan kualitas rekaman
Kita bisa terlalu sibuk memilih antara WAV dan MP3 sampai lupa mendengarkan seberapa jelas permainan musik dalam rekamannya. Model transkripsi mengenali tinggi nada dan waktu not berbunyi dari audio. Apa pun yang membuat suara kurang jelas akan mengurangi akurasi, meski formatnya mempertahankan semua detail.
WAV yang berisi rekaman piano dari kejauhan di kafe bising akan menghasilkan transkripsi lebih buruk daripada MP3 yang direkam sekitar 30 cm dari tuts di ruangan tenang. Kualitas rekaman lebih berpengaruh daripada format. Faktor audio yang memengaruhi akurasi dibahas lebih jauh dalam alasan akurasi transkripsi AI bisa berbeda-beda.
Rekam suara yang jelas untuk transkripsi
Kalau kita merekam sendiri, beberapa pilihan berikut paling berpengaruh:
- Dekatkan mikrofon ke sumber suara. Semakin dekat posisinya, semakin banyak suara langsung yang tertangkap dan semakin sedikit pantulan ruangan yang ikut terekam.
- Kurangi suara latar. Pilih ruangan yang tenang, tanpa obrolan, suara kipas, atau suara lalu lintas. Bunyi-bunyi itu menutupi not dan membuatnya kurang jelas.
- Hindari level rekaman yang terlalu tinggi. Puncak sinyal bisa terpotong dan menimbulkan distorsi yang merusak awal bunyi not, padahal model bergantung pada bagian ini. Sisakan ruang antara puncak sinyal dan batas maksimum level rekaman.
- Pilih rekaman dengan suara langsung yang jelas. Reverb dan efek yang kuat mengaburkan tinggi nada dan waktu not berbunyi. Rekaman dengan sedikit pantulan dan suara yang terdengar dekat lebih mudah dianalisis.
Cara merekam ini juga dipakai untuk menghasilkan audio yang jernih dalam panduan langkah demi langkah membuat transkripsi musik AI yang akurat.
Hindari kebiasaan yang mengurangi akurasi
Mengekspor ulang file yang sudah terkompresi dengan laju bit lebih tinggi tidak memperbaiki kualitasnya. Detail yang sudah dibuang tidak bisa dikembalikan. Ukuran filenya cuma bertambah.
Efek atau EQ yang kuat dan sudah menyatu dalam rekaman bisa lebih membingungkan model daripada membantunya. Mengambil audio dari versi lagu yang paling keras dan paling banyak diproses saat mastering juga tidak selalu memberi hasil terbaik. Kompresi rentang dinamis yang agresif saat mastering bisa meratakan perubahan keras-lembut suara yang dipakai model untuk mengenali awal bunyi not. Kalau ada pilihan, rekaman yang jernih dan alami lebih baik daripada rekaman keras yang banyak diproses.
Gunakan tautan YouTube atau rekaman ponsel
Kita tidak selalu perlu punya file audio. Dengan menempelkan tautan YouTube, lagu yang cuma tersedia sebagai video bisa ditranskripsikan. Kualitas audionya biasanya cukup baik untuk dipakai. Cara ini dibahas dalam mengubah audio YouTube menjadi partitur.
Rekaman ponsel juga bisa dipakai. Memo suara saat kita bermain musik adalah sumber yang layak, asalkan direkam dari dekat di tempat yang tenang. Langkahnya dijelaskan dalam mengubah memo suara menjadi partitur. File yang dihasilkan perangkat, sering kali M4A, bisa langsung diunggah dalam format aslinya.
Pertanyaan yang sering diajukan
Format audio apa yang paling cocok untuk transkripsi musik?
Format lossless seperti WAV atau FLAC paling cocok karena mempertahankan semua detail rekaman tanpa kompresi yang membuang data. Tapi MP3 atau M4A yang bagus dengan laju bit tinggi bisa ditranskripsikan hampir sama baiknya. Format jarang membatasi hasil transkripsi. Kualitas rekamannya jauh lebih berpengaruh: MP3 biasa dengan suara yang jernih dan jelas selalu memberi hasil lebih baik daripada WAV yang menyimpan rekaman bising dari kejauhan. Pakai file dengan kualitas terbaik yang tersedia, tanpa terlalu memikirkan formatnya.
Apakah MP3 bisa dipakai untuk transkripsi, atau harus WAV?
MP3 bisa dipakai. Dengan laju bit tinggi, sekitar 256–320 kbps, MP3 mempertahankan detail musik yang dibutuhkan model transkripsi. Kebanyakan orang tidak akan melihat perbedaan hasil yang berarti dibanding WAV. Kalau tersedia, WAV dan FLAC lebih baik karena lossless. MP3 tidak perlu diubah menjadi WAV sebelum diunggah. Ukuran filenya cuma bertambah, sementara informasi yang sudah dibuang saat kompresi MP3 tidak kembali.
Apakah rekaman dari ponsel bisa ditranskripsikan?
Bisa, dan banyak orang memakai cara ini. Ponsel bisa menghasilkan rekaman yang layak dipakai kalau kita mendekatkannya ke sumber suara, menjaga ruangan tetap tenang, dan mengatur level rekaman agar tidak terlalu tinggi sampai suaranya pecah. File yang disimpan ponsel, sering kali M4A, bisa langsung dipakai. Kendalanya lebih banyak berasal dari cara merekam daripada format: suara latar, jarak, dan gema ruangan membuat bunyi kurang jelas dan mengurangi akurasi. Rekaman satu alat musik dengan ponsel bisa ditranskripsikan dengan baik kalau direkam dengan cermat. Hasilnya tidak akan sebaik itu kalau direkam dari kejauhan di ruangan yang bising.
Kalau filenya sudah siap, unggah dan periksa seberapa rapi hasil transkripsinya.
