جادوی هوش مصنوعی؛ تفکیک سازهای گوناگون از یک قطعه موسیقی تنها در ۴۰ ثانیه

AudioPrism یک نرم‌افزار مبتنی بر ویندوز است که قادر است یک آهنگ کامل را به بخش‌های مختلفی همچون وکال، بیس، درام و سایر سازها تقسیم‌بندی کند. قیمت این برنامه ۷۹٫۹۹ دلار تعیین شده، اما هم‌اکنون با تخفیف به قیمت ۵۹٫۹۹ دلار به فروش می‌رسد. این نرم‌افزار همچنین امکان تبدیل بخش‌های جدا شده به فایل‌های MIDI را فراهم کرده و با پشتیبانی از مربی آموزشی KeyPrism، به کاربران در یادگیری موسیقی کمک می‌کند.

عمل جداسازی وکال و سازها از یک آهنگ موضوعی نوظهور نیست، اما پیشرفت‌های اخیر در زمینه هوش مصنوعی و یادگیری ماشین این فرآیند را به مراتب آسان‌تر کرده است. ابزارهایی نظیر Spleeter از دیزر و Demucs از متا نیز در سال‌های اخیر به کاربران این امکان را داده‌اند که بخش‌های مختلف آهنگ‌ها را به راحتی جدا کنند.

در آزمون‌های انجام‌شده، عملکرد AudioPrism از نتایج متفاوتی برخوردار بود. در اولین آزمایش، آهنگ Dreams از فلیت‌وود مک مورد بررسی قرار گرفت؛ یک اثر استودیویی با کیفیت بالا که صدای بیس آن به‌خوبی از دیگر سازها قابل تشخیص است. AudioPrism توانست این آهنگ را بر روی کارت گرافیک RTX 5070 Ti ظرف کمتر از ۴۰ ثانیه به چهار بخش تفکیک کند.

نتیجه جداسازی بیس به‌طور کلی بسیار رضایت‌بخش بود. هنگامی که چهار بخش جدا شده دوباره با یکدیگر در نرم‌افزار Audacity ترکیب شدند، تفاوت قابل توجهی با نسخه اصلی آهنگ مشاهده نشد.

آزمایش دوم یک چالش بزرگ‌تر بود. این بار تیم آزمایش سراغ اجرای زنده Red Rain از پیتر گابریل در آلبوم Secret World Live رفت؛ قطعه‌ای که به‌دلیل همزمانی صدای سازهای مختلف، انعکاس صدا و فضای زنده، جداسازی آن دشوارتر است.

در این آزمایش، AudioPrism موفق شد بیس را جدا کند، اما کیفیت آن به خوبی آزمایش اول نبود. صدای بیس مقداری نویز و اعوجاج داشت و گاهی به‌طور ناخوشایندی تیز می‌شد. با این حال، نتیجه هنوز هم برای استفاده‌های روزمره قابل قبول بود.

نقطه ضعف عمده AudioPrism زمانی نمایان می‌شود که بخواهید به بخش‌های مختلف آهنگ پس از جداسازی دسترسی پیدا کنید. علی‌رغم اینکه نرم‌افزار می‌تواند استم‌های جداگانه تولید کند، اما به دلیل عدم وجود میکسر داخلی، نمی‌توانید به‌طور مستقیم داخل برنامه صدای بیس را کاهش دهید یا یک ساز خاص را بسازید. برای انجام این کار، باید فایل‌های جداشده را به نرم‌افزاری دیگر مانند Audacity منتقل کنید.

عملکرد تبدیل صدا به MIDI نیز چندان رضایت‌بخش نبود. AudioPrism در تبدیل صدای بیس تمیز آهنگ Dreams به فرمت MIDI نتایج غیرمنظمی را ارائه داد. همچنین، پخش نت‌ها در KeyPrism چند بار دچار لگ و اختلال شد.

رابط کاربری این نرم‌افزار نیز به‌طور کلی ساده و کاربرپسند نیست. پس‌زمینه متحرک، افکت‌های درخشان، علامت‌گذاری اشاره‌گر ماوس و گرافیک‌های متحرک متعدد می‌توانند تمرکز کاربر را به شدت تحت تأثیر قرار دهند و به نظر نمی‌رسد که گزینه‌ای برای خاموش کردن این جلوه‌ها وجود داشته باشد.

AudioPrism به بازاری وارد شده است که در آن رقبای قدرتمندی وجود دارند. Ultimate Vocal Remover یک ابزار رایگان و متن‌باز است که از مدل‌های پیشرفته‌ای مانند Demucs و MDX-Net برای جداسازی قسمت‌های مختلف آهنگ استفاده می‌کند.

Moises نیز ویژگی‌های بیشتری برای کار با موسیقی‌های تفکیک‌شده در اختیار کاربران قرار می‌دهد. این سرویس پس از جداسازی سازها و وکال، آنها را در یک میکسر قرار می‌دهد تا کاربر بتواند هر بخش را به‌طور جداگانه تنظیم، قطع یا پخش کند. با این حال، پردازش Moises به فضای ابری وابسته است.

انجام پردازش به‌صورت محلی نیز دیگر مزیت منحصر به فرد AudioPrism محسوب نمی‌شود. مدل Lyra از LALAL.AI می‌تواند جداسازی سازها را به‌صورت مستقیم روی دستگاه کاربر انجام دهد و این امکان از طریق اپلیکیشن دسکتاپ و پلاگین VST در دسترس است. البته برای استفاده از پردازش محلی در این سرویس نیاز به اشتراک ماهانه ۱۹٫۹۹ دلاری Pro است.