Aplikasi AI untuk Kecerdasan Buatan Musikal Audio

Aplikasi AI untuk Kecerdasan Buatan Musikal Audio

Aplikasi AI untuk Kecerdasan Buatan Musikal Audio – Industri musik AS adalah pokok ekonomi yang menghasilkan sekitar $ 7,7 miliar pendapatan ritel pada tahun 2016, menurut Asosiasi Industri Rekaman Amerika. Tahun 2016 juga menandai pertama kalinya pendapatan industri musik dihasilkan terutama dari “platform musik streaming.”

Untuk mengukur peran yang muncul dari AI dalam industri musik, kami meneliti sektor ini secara mendalam untuk membantu menjawab pertanyaan yang diajukan para pemimpin bisnis hari ini, termasuk:

1. Apa jenis aplikasi AI yang saat ini digunakan dalam industri musik?
2. Bagaimana pasar merespons aplikasi AI ini?
3. Apakah ada tren umum di antara upaya inovasi ini – dan bagaimana tren ini dapat memengaruhi masa depan industri musik

Dalam artikel ini kami memecah aplikasi kecerdasan buatan di industri musik untuk memberikan para pemimpin bisnis dengan pemahaman tentang tren saat ini dan yang muncul yang dapat mempengaruhi sektor mereka. Kami akan mulai dengan sinopsis area aplikasi AI audio yang kami bahas dalam artikel ini:

Ikhtisar Aplikasi Musik AI
Berdasarkan penilaian kami terhadap aplikasi di sektor ini, sebagian besar kasus penggunaan industri musik AI masuk dalam tiga kategori utama:

Komposisi Musik: Perusahaan menggunakan AI untuk membuat, meningkatkan, dan / atau melengkapi konten musik.
Streaming Musik: Perusahaan menggunakan pembelajaran mesin dan pembelajaran mendalam untuk merekomendasikan konten yang dipersonalisasi berdasarkan data dari aktivitas pengguna.
Monetisasi Musik: Platform kecerdasan buatan membantu seniman memonetisasi konten musik mereka dan menghasilkan pendapatan.
Dalam artikel lengkap di bawah ini, kami akan menjelajahi aplikasi AI dari setiap aplikasi berdasarkan bagian dan memberikan contoh dan video yang representatif.

Komposisi Musik

Senapan mainan
Diluncurkan pada Januari 2017, startup Popgun yang berbasis di Australia dilaporkan menggunakan pembelajaran mendalam melalui platform yang disebut ALICE untuk menemani atau menambah komposisi musik. Tim startup, terutama terdiri dari insinyur perangkat lunak, berpendapat bahwa tujuan pekerjaan mereka adalah untuk mendorong kolaborasi dan “tidak menggantikan kemampuan manusia.”

Perusahaan telah menyediakan beberapa demo untuk menunjukkan bagaimana fungsi ALICE. Contohnya termasuk yang berikut ini:

1. ALICE mencoba memprediksi apa yang akan dimainkan oleh seorang musisi
2. ALICE menemani seorang musisi saat mereka bermain
3. ALICE berusaha berimprovisasi atas apa yang dimainkan seorang musisi

Menggunakan pembelajaran yang mendalam, jaringan saraf dilatih pada ribuan lagu, bervariasi di berbagai genre. Metode pelatihan ini memungkinkan jaringan untuk menafsirkan gaya komposisi musik yang diberikan, dan ‘bermain bersama’ dalam irama atau pola yang sama yang dimaksudkan untuk melengkapi atau melengkapi melodi yang dimainkan oleh pengguna manusia.

Saat ini, tampaknya sebagian besar aplikasi Popgun saat ini sedang dilatih dengan keyboard elektronik. Menurut situs web Popgun, di masa depan, perusahaan membayangkan bahwa AI akan berkolaborasi dengan musisi untuk mengajari mereka cara memainkan instrumen yang berbeda lebih cepat daripada saat ini dan untuk meningkatkan kemampuan produksi musik dengan menawarkan suara baru.

Tampaknya tim saat ini dalam mode penggalangan dana dan tidak ada profil klien atau studi kasus yang tersedia saat ini.

Amper Music
Amper adalah platform komposisi musik berbasis cloud yang digerakkan oleh AI. Sistem dilaporkan menghasilkan pilihan musik yang unik berdasarkan parameter suasana hati, gaya, dan durasi yang dipilih oleh pengguna. Setelah pilihan ini dibuat, pengguna dapat melakukan pengeditan tambahan sebelum komposisi selesai. Perusahaan mengklaim bahwa platform dibangun berdasarkan data dari perpustakaan sampel musik.

Amper bertujuan untuk memberikan pelatihan musik dan profesional yang sama kepada individu, dengan kemampuan untuk membuat musik orisinil dengan cepat. Pertama, algoritma dilatih tentang data dari koleksi trek musik yang luas di berbagai genre. Algoritme kemudian dapat mengidentifikasi komponen utama dari setiap komposisi musik dan memprediksi jenis audio yang ingin dibuat pengguna.

Dalam video pendek 1:33 menit di bawah ini, pendiri perusahaan Drew Silverstein memberikan gambaran tentang platform Amper yang menjelaskan bagaimana pengguna dapat menghasilkan konten musik.

Streaming Musik.

Spotify
Mesin rekomendasi adalah salah satu aplikasi AI paling umum untuk teknologi konsumen. Platform streaming musik terkemuka bergantung pada algoritme yang mendasari untuk menyarankan konten berdasarkan riwayat dan aktivitas pengguna.

Spotify dilaporkan menggabungkan pendekatan pembelajaran yang mendalam yang dilengkapi dengan proses yang dikenal sebagai “penyaringan kolaboratif.” Penyaringan kolaboratif adalah metode pengelompokan informasi dengan menggunakan rekomendasi orang lain. Data dari rekomendasi pilihan pengguna (yang memiliki kesamaan dengan pengguna yang menarik) dikumpulkan dan rata-rata tertimbang dihitung untuk membuat prediksi tentang pengguna yang diminati.

Platform musik menghasilkan sekitar $ 3,3 miliar total pendapatan qq online pada tahun 2016, menandai peningkatan 52 persen yang dilaporkan dari tahun sebelumnya. Namun, dengan pengeluaran royalti dan distribusi hampir 85% dari pendapatan perusahaan, profitabilitas pada skala tampaknya menjadi target yang bergerak.

Pembaca yang tertarik untuk terjun lebih dalam ke mesin rekomendasi harus merujuk artikel kami sebelumnya. Gunakan Kasus Sistem Rekomendasi dalam Bisnis – Aplikasi dan Metode Saat Ini.

Pandora
Sejak Pandora awalnya diluncurkan pada tahun 2000, hari ini, platform radio internet mengklaim bahwa ia memiliki lebih dari 1,5 juta lagu yang dianalisis melalui Proyek Genom Musiknya dan menggunakan lebih dari 60 strategi rekomendasi untuk pemilihan lagu.

Di atas (mulai sekitar tanda 6 menit), Tim juga menjelaskan bahwa personalisasi akan menjadi faktor pembeda yang membuat Pandora unggul dari para pesaingnya. Namun, deskripsinya tentang bagaimana perusahaan mendekati rekomendasi, tampaknya tidak jauh berbeda dari apa yang dilakukan Spotify dan layanan streaming lainnya. Harga saham perusahaan telah turun dari sekitar $ 38 menjadi sekitar $ 9 dalam dua tahun terakhir, dan dewan tampaknya telah memindahkan Tim keluar dari peran CEO dan keluar dari papan sama sekali.

Pada Juni 2017, Pandora mengumumkan aliansi strategis dengan SiriusXM disertai dengan investasi $ 480 juta di Pandora dan diperkirakan 19 persen saham perusahaan. Disarankan bahwa langkah tersebut adalah bagian dari upaya Pandora untuk meningkatkan daya saingnya terhadap Spotify.

Mempertahankan model pendapatan yang menguntungkan tampaknya menjadi tantangan bagi beberapa layanan streaming musik. Perusahaan tersebut dilaporkan mengalami peningkatan kerugian dari $ 170 juta pada 2015 menjadi $ 343 juta pada 2016.

Monetisasi musik

LANDR
Rekaman musik berkualitas profesional tidak murah dan peralatan musik tertentu saja dapat mencapai hingga $ 10.000. Untuk rata-rata artis independen, banyak komponen teknis dari proses produksi musik mahal. Perusahaan-perusahaan seperti LANDR sedang berusaha untuk meningkatkan platform dengan memberi para seniman musik kemampuan untuk menguasai atau menyelesaikan lagu-lagu mereka secara profesional dengan harga terjangkau.

Menurut situs webnya, LANDR dilaporkan menggunakan algoritma pembelajaran mesin yang dilatih tentang langkah-langkah standar yang diikuti oleh para insinyur musik untuk menguasai musik. Platform berbasis web memungkinkan pengguna untuk menyeret-dan-letakkan trek kasar, dan mendapatkan “pratinjau menguasai instan” yang diklaim perusahaan dapat diunduh dalam hitungan menit. Menguasai trek gratis untuk trek MP3 hingga ukuran 192 kbps. Tiga paket berlangganan ditawarkan dengan harga $ 4, $ 9 dan $ 25 per bulan.

Perusahaan mengklaim bahwa mesin mastering yang digerakkan AI-nya dilatih tentang “data dari jutaan trek yang dikuasai” dikombinasikan dengan gudang besar pengetahuan dari para insinyur musik. Algoritma mengklasifikasikan trek berdasarkan elemen gaya produksinya. Proses ini juga menginformasikan proses pasca-produksi yang paling cocok untuk trek.

Perusahaan juga tampaknya menawarkan layanan distribusi ke layanan streaming terkemuka. LANDR mengklaim artis akan mempertahankan 100 persen penjualan dan hak. Fitur berbagi pribadi baru-baru ini diluncurkan untuk membantu pengguna membagikan musik mereka secara online dengan lebih aman.

Uncategorized