最初的键盘草图
我从一个键盘作曲和它的 Hookpad 版本起步。我大概更喜欢 Hookpad 版。这基本就是我脑子里的原样出来的东西,只不过我想象的是它在钢琴上
音视频示例 1
学琴如何改了我的写歌
那我们把这支变成一份流程拆解,继续为音乐人和作曲家证明 AI 和 Udio 的用例。
学键盘这件事,改变我写歌流程的程度,离谱得很。以前,整个流程对我来说是很分析的。想象一下:你的脑子数学极好,但没法随叫随到地做数学,也真搞不清它做数学时到底怎么做的。我就这么干活。
而我写歌的时候——至少历史上如此——那里有个节奏,但过程是无声的,我的数学脑子在那边拼装,我在这边把词憋出来。挺妙。
但学键盘改了这一切。现在,我更喜欢用数学脑子去非认知地弹键盘,像一种自动化主义,先弄出一个声音。
然后我把它听上十亿遍,直接进入一种词沙拉,去贴那个声音。有了它,我就把歌写出来,然后要么把最初那块原材料忘掉,要么拿去喂 AI,做成一件很酷的纯音乐。
这里我干的就是后者。
我觉得大家问的一个大问题是:「行,但机器到底会对我的音乐干什么?」这问题问得好,因为在 1.5 模型之前,我从没完全从零开始干过这个,我也不确定会发生什么。
结果证明,一切的关键是噪声水平!来过一遍。
第一遍 Udio
从第一段作品开始——我是用最脏的办法弄出来的,而且故意没过 DAW——我录下屏幕视频,传进 Udio。这给了我 120 秒可用的音频。
我确实动了相似度。它的干法有点像你在 Stable Diffusion 里的去噪功能。在图像上,它起作用的方式是把图像搞糊。从 0——没有差别、或只有细微差别——一直到 10,那时基本上完全不像你最初那张图了。
把它想成你给 AI 罩上的一种模糊。它看得越清,机器把那张画按描述拼回去,就越省工。
在 Udio 里,道理一样。大体上。这张是用 38% 的相似度做的,把所有约束算上,约等于去噪术语里的 4.5。
换句话说,我没叫它改太多。
我改的量,只够把体裁和配器定下来,而没把作曲改到肉眼可见的程度。
而且从 1.0 起,我通常还喜欢把音质设为 ultra。我其实不确定这张设没设。我吸得很high。可能彻底忘了。
处处都是细碎按钮。
而这正是我喜欢的。
音视频示例 2
动相似度
管他呢,继续走。在 45%,我们没法让它离原来的声音太远。但换个体裁,在这个档位上就能拿到好玩又出其不意的东西。这张没做完,源材料一耗尽它就没声了,但足够了……
音视频示例 3
现在设到 50%。我们要即兴爵士,这回,它说它融进了一点拉丁爵士。好玩,但难听
音视频示例 4
拉到 55%,看看我们在爵士光谱上落到哪。以及……耶,90 年代受诫礼音乐!哈哈。那么现在,理论上,我们进了克莱兹默镇。差不多吧,就城郊那圈。这是好事
音视频示例 5
还有那么多 boop 没做出来。
所以 50% 就是你不彻底丢掉原作曲的极限。再多,它会陷进弦乐;再多,你能达到你想要的体裁,但任何听着像你那个 boop 的东西,都会没掉。
换源音频
可要是你真的动了作曲呢?这段作品有两个问题。如果我们要往爵士转,我们现在没打在爵士和弦上——这可修。但我们也没在出任何特别兼容爵士的声音。
现在,想象这是个采样,而我们没有 midi。那我们会往死里 hack 它。所以我们在这干的就是这个。
于是我做的是:打开 Audacity,做它那个「high quality」变调。
变调是能变,但它会往你的作曲里添噪声。我们其实不想要太多噪声,但一点点,刚好把这里的频谱搅到恰到好处……给机器多一点料,又不拉远它和原曲的距离。
挺顺手!
它还给我们一个更沉的音色,对上那些爵士、爵士的声音会更容易。
然后……老派大乐队。
我可太吃这个了。
这是个好 poc。
音视频示例 6
在意外编配之上盖楼
从这里开始即兴。机器回手砸给我一个我没想到的概念。所以我们顺着它盖:把提示词改成「jazz, hip hop, big band, swing」
现在把相似度降到 36%,保住作曲,但让重新配器动起来。这张是首欢乐的钢琴曲。我把它做完了,因为我喜欢它里的不协和。
相似度压得这么低,你还会拿到它背后的大部分共鸣噪声。这直接等价于图像里的静态杂点。
平时,那会是坏事。你通常想要干净利落的轨。没错,确实要。
但既然我们谈的是 AI 轨,就得懂:去噪流程就是一切。从高噪声起手,你会拿到串音。而串音,让各种好玩有趣的事情发生!
所以,我们现在到这了
音视频示例 7
于是,喂回机器,我们得到这轮迭代,我非常喜欢非常喜欢
音视频示例 8
给噪声塑形
mwhahahah,看看会发生什么!
提示词是:jazz, hip hop, vocoder, , swing, bass, 808, fiddle, harmonica, dobro, "MS-10 Filter" "Ladder Filter" "Steiner-Parker Filter"
这一步的用意,是把背景辐射捏成形,留到下一步用——等我们把相似度拉高、再把它熔掉一点的时候
好多了。现在来点乐子
音视频示例 9
往电音走
这些都挺好,但我无聊了。所以换个新提示词「edm, highly sampled, bitonal, edm, idm, experimental」
好些了,里有几段值得拿去扩展。那就扩
音视频示例 10
方向变得真有意思。该扩了。
成品
然后……半小时的局部重绘之后……
我们有了成品
https://www.udio.com/songs/xdGxXhpTQff91LC6mLRNEi
总之,大体就这么回事:怎么在 Udio 上做噪声绘画。
我不确定那是不是我本来要去的地方。
我不记得了。
但重要的不是结果。
重要的是过程,以及它怎么挠你的脑子