Kalau kita mengunggah rekaman piano solo yang bersih, hasilnya akan sangat akurat. Dengan alat yang sama, rekaman band saat tampil langsung bisa memberi hasil yang jauh berbeda. Perbedaan seperti ini wajar. Hasilnya dipengaruhi dua hal: bunyi dalam rekaman dan cara model AI-nya dibuat.
Sebagian unsur musik membuat rekaman lebih sulit dibaca. Model AI yang berbeda juga menangani audio yang sama dengan cara berbeda. Kalau ingin gambaran dasarnya dulu, baca apa yang bisa kita harapkan dari akurasi transkripsi musik dengan AI.
Kenali unsur musik yang memengaruhi akurasi transkripsi AI
AI lebih mudah membaca sebagian rekaman dibanding yang lain. Seteman, ketukan, dan suara yang masuk ke rekaman ikut menentukan seberapa bersih hasilnya. Untuk langkah persiapan yang lebih lengkap, baca juga panduan membuat transkripsi musik dengan AI yang akurat.
Memakai seteman yang tidak standar
Kebanyakan alat transkripsi AI dilatih dengan musik yang memakai sistem penyetelan nada standar Barat. Kalau rekamannya berbeda, misalnya gitar disetem turun satu nada atau musik dari tradisi yang memakai jarak antarnada berbeda, model mungkin tidak mengenali nada yang didengarnya dengan tepat. Model lalu memilih nada terdekat yang dikenalnya. Kalau kita sering memakai seteman alternatif, menyesuaikan tinggi nada audio dengan seteman standar sebelum mengunggahnya lalu menyesuaikan hasilnya setelah itu biasanya memberi hasil paling bersih.
Mengubah tempo dan memainkan ketukan yang tidak stabil
AI memakai ketukan dasar dalam rekaman untuk menentukan kapan setiap not dimainkan. Saat pemain tidak menjaga ketukan tetap rata atau secara alami mempercepat dan memperlambat tempo, model perlu bekerja lebih keras untuk membacanya. Biasanya perubahan seperti ini tetap bisa ditangani dengan baik. Untuk rekaman dengan ritme yang banyak berubah, beberapa koreksi kecil di editor setelahnya biasanya sudah cukup.
Memakai banyak efek dan menangkap suara alat musik lain di mikrofon
Distorsi gitar yang berat dan synthesizer dengan banyak efek bisa membuat AI lebih sulit mengenali tinggi nada aslinya. Suara aslinya sudah tertutup banyak lapisan efek. Hasilnya sangat bergantung pada rekaman yang dipakai. AI lebih kesulitan saat satu mikrofon menangkap beberapa alat musik sekaligus. Kalau tersedia, unggah trek yang direkam terpisah atau trek audio terpisah hasil pemisahan. Keduanya selalu memberi bahan awal yang lebih bersih dibanding rekaman dengan semua suara yang sudah dicampur.
Perhatikan perbedaan model AI
Rekaman yang sama sering memberi hasil berbeda saat diproses oleh dua alat transkripsi. Semua model dipengaruhi unsur-unsur tadi, tapi kemampuan tiap model untuk menanganinya cukup berbeda. Penyebabnya ada dua: materi yang dipakai untuk melatih model dan apakah modelnya dibuat khusus untuk alat musik tertentu.
Belajar dari materi yang berbeda
Alat transkripsi AI belajar dari banyak musik yang sudah ada. Makin luas dan beragam materi latihannya, biasanya makin baik model menangani musik yang belum dikenalnya. Model yang dilatih dengan beragam gaya musik dan kondisi rekaman bisa menerapkan apa yang dipelajarinya pada materi baru. Kalau materi latihannya lebih terbatas, model akan bekerja dengan baik untuk musik yang serupa dan kurang baik untuk musik lain.
Saat sebuah alat transkripsi menyebut dirinya “serbaguna”, biasanya alat itu mampu menangani gaya musik yang paling umum dengan baik. Hasilnya belum tentu sama baiknya untuk semua alat musik atau genre. Hasil terbaik biasanya berasal dari alat transkripsi yang mengenali jenis musik yang sedang kita kerjakan.
Berfokus pada alat musik tertentu
Alat transkripsi yang berfokus pada satu alat musik biasanya memberi hasil yang jauh lebih baik untuk alat musik itu. Model yang dibuat khusus untuk piano sudah mempelajari bunyi piano, bagaimana not-notnya tumpang tindih, bagaimana bunyinya bertahan, dan detail kecil yang menentukan akurasi transkripsi piano. Model serbaguna perlu mempelajari detail semacam itu untuk banyak alat musik sekaligus. Untuk membandingkan pilihan yang tersedia, baca perbandingan perangkat lunak transkripsi musik dengan AI.
Tingkatkan akurasi hasil dari alat transkripsi AI apa pun
Alat transkripsi yang baik dibuat untuk menangani audio dari rekaman sehari-hari. Biasanya kita bisa langsung mengunggah rekaman dan mendapat hasil yang baik. Beberapa kebiasaan sederhana membantu menjaga hasilnya tetap bersih.
Mulai dengan rekaman terbaik yang tersedia. File audio lossless memberi model lebih banyak informasi dibanding file yang dikompresi. Kalau hasil transkripsi dari file terkompresi perlu lebih banyak koreksi dari biasanya, coba kembali ke rekaman sumber lalu ekspor ulang. Langkah tambahan itu sering membantu. Panduan mengubah MP3 menjadi partitur menjelaskan hasil yang realistis dari audio terkompresi.
Unggah trek terpisah untuk alat musik yang ingin ditranskripsikan, kalau tersedia. Bagian piano solo selalu memberi hasil yang lebih bersih dibanding piano yang sama di tengah rekaman band lengkap. Kalau kita cuma punya rekaman dengan semua suara yang sudah dicampur, alat pemisah trek audio bisa membantu memisahkan alat musiknya lebih dulu. Meski hasil pemisahannya belum sempurna, trek itu biasanya tetap menjadi bahan yang lebih baik dibanding rekaman campuran lengkap.
Pilih alat transkripsi yang dibuat untuk alat musik yang kita pakai. Alat yang berfokus pada piano memberi hasil lebih baik untuk bagian yang dimainkan dengan alat musik bertuts. Alat transkripsi gitar dibuat untuk alat musik berdawai dengan fret. Memilih alat transkripsi yang sesuai biasanya mengurangi jumlah koreksi setelahnya.
Periksa sebentar di piano roll sebelum menganggap hasilnya selesai. Meski transkripsinya sudah sangat baik, memeriksa tampilan not tetap menjadi cara cepat untuk menemukan bagian yang perlu sedikit diperbaiki. Panduan memperbaiki kesalahan transkripsi AI menjelaskan apa yang perlu diperiksa dan cara memperbaikinya.
Bagaimana Songscription menangani tantangan ini
Songscription memakai AI yang dibuat untuk menangani banyak alat musik dan menghasilkan transkripsi yang akurat dan siap pakai dari beragam rekaman sehari-hari. Hasilnya sangat baik, terutama untuk piano dan alat musik melodis. Setelah mengunggah rekaman, kita mendapat hasil yang baik dan bisa langsung mulai mengerjakannya.
Modelnya dilatih dengan rekaman asli dari beragam kondisi. Model bisa menangani bunyi ruangan, kebisingan latar tingkat sedang, dan suara yang kurang sempurna seperti yang biasa muncul saat merekam musik. Songscription juga menangani gitar, bas, dan drum. Kita bisa mengerjakan beberapa bagian dari sesi rekaman yang sama tanpa berpindah alat transkripsi. Piano dan alat musik melodis biasanya memberi hasil paling bersih. Transkripsi gitar dan bas juga baik, tapi sesekali perlu beberapa koreksi, bergantung pada rekamannya.
Gunakan editor piano roll saat ingin mengubah hasilnya. Periksa transkripsi, putar sambil membandingkannya dengan rekaman asli, lalu edit di tempat yang sama. Bagi banyak musisi, mengedit sebentar memang sudah biasa dalam proses transkripsi. Memeriksa dan mengeditnya lebih praktis kalau semuanya ada dalam satu tampilan.
Menilai hasil transkripsi
Dengan transkripsi AI, pekerjaan yang dulu sulit dan memakan waktu berjam-jam bisa selesai dalam hitungan menit. Perbedaan hasil antara rekaman solo yang bersih dan rekaman langsung dengan banyak suara bercampur punya penyebab yang jelas dan bisa diperkirakan. Kalau kita mengenali penyebabnya, kita bisa menilai hasil yang muncul dan menyiapkan rekaman sejak awal agar hasilnya sebersih mungkin.
Untuk kebanyakan rekaman, alat transkripsi yang baik langsung menyelesaikan sebagian besar pekerjaan. Rekaman yang lebih bersih, alat transkripsi yang sesuai dengan alat musiknya, dan pemeriksaan singkat biasanya sudah cukup untuk mengubah hasil awal menjadi hasil yang benar-benar siap dipakai.
Pertanyaan yang sering diajukan
Mengapa akurasi transkripsi dengan AI berbeda-beda?
Perbedaan ini wajar karena bunyi dalam rekaman dan cara model AI-nya dibuat sama-sama memengaruhi hasil. Rekaman piano solo yang bersih memberi hasil yang sangat akurat, sedangkan rekaman band saat tampil langsung dengan banyak suara bercampur bisa memberi hasil yang jauh berbeda. Seteman yang tidak standar, ketukan yang tidak stabil, efek yang berat, dan suara beberapa alat musik yang masuk ke mikrofon yang sama membuat rekaman lebih sulit dibaca.
Mengapa rekaman yang sama memberi hasil berbeda di alat transkripsi yang berbeda?
Hasilnya bergantung pada musik yang dipakai untuk melatih model dan apakah modelnya dibuat khusus untuk alat musik tertentu. Model yang dilatih dengan beragam gaya musik dan kondisi rekaman bisa menangani materi baru dengan baik. Model yang dilatih dengan jenis musik yang lebih terbatas bekerja dengan baik untuk jenis musik itu, tapi kurang baik untuk jenis musik lain. Alat transkripsi yang berfokus pada satu alat musik biasanya memberi hasil yang jauh lebih baik untuk alat musik itu dibanding alat transkripsi serbaguna.
Bagaimana cara membuat hasil transkripsi dengan AI lebih akurat?
Mulai dengan rekaman terbaik yang tersedia. File lossless memberi model lebih banyak informasi dibanding file yang dikompresi. Kalau ada, unggah trek terpisah untuk alat musik yang ingin ditranskripsikan. Bagian yang direkam tanpa alat musik lain memberi hasil lebih bersih dibanding bagian yang sama di tengah rekaman band lengkap. Pilih alat transkripsi yang dibuat untuk alat musik itu, lalu periksa sebentar di piano roll sebelum menganggap hasilnya selesai.
