Аналогия про дирижёра не в тему. Там спор про точность передачи чужого замысла: дирижёр интерпретирует, а не искажает. Я же говорю не про интерпретацию, а про физическое наличие или отсутствие определённых элементов в самой записи.
В отредактированном первом комментарии я уже упомянул, что эти элементы нужны для увеличения срока жизни песни, но это не единственная причина их добавления в трек. Есть довольно устойчивое наблюдение в психоакустике и звукорежиссуре: человеку не нравится стерильная цифровая тишина, и мозг лучше вовлекается в сигнал с лёгкой шумовой текстурой - отсюда фоновый шелест плёнки или розовый шум прямо в синтезаторе. Слушатель чаще всего не осознаёт эту деталь напрямую, а она всё равно влияет на то, нравится ему трек или нет. То же самое с контр-мелодией и ear candy - их не обязательно слышать, чтобы они делали своё дело.
По нотам - генераторы MIDI-последовательностей есть, но по факту это сырой черновик, а не готовое решение: библиотеки плохо оживляют такие партии, тайминг и артикуляцию всё равно приходится дотягивать руками.
На счёт второго пункта: у ИИ-шной музыки не только в частотном спектре проблема. В плане аранжировки (и это актуально для всех нейросетей, включая Suno и Udio) там нет:
контр-мелодии/второго ведущего элемента , не считая истинную контр-мелодию в виде call-and-respone
контр-ритма - т. е. ритмических элементов, которые играют "мимо" основного ритма драмки
конфет для ушей (ear candy в оригинале), по-простому коротких звуковых деталей, которые не заметны на первом прослушивании (т. к. на первом прослушиваний слушатель фокусируется на основном лиде, гармонии, ударках и басе), но делают трек интереснее при повторных прослушиваниях
То есть, если мы слышим второй лид, гармонизирующий основной лид или два равнозначных лида, или контр-ритм (условные хай-хэты с off-beat паттернами), или ear candy в левом ухе в виде звука подброшенной монеты - трек 100% не нейрослоповый.
Проблема в том, что у очень многих людей ненатренерованный слух (они просто не обращают на эти элементы внимание, даже если их уши в принципе фиксируют их наличие в треке), плюс большинство слушает на довольно дешёвом аудиооборудовании, и там эти элементы аранжировки слышно хуже, чем на более-менее нормальных ушах вроде условных Soundcore Space One.
Если что, всё что я выше расписал, это мои личные наблюдения, а не копипаста откуда-то. Просто я некоторое время увлекался продюсированием и аранжировкой, и для себя отметил вот эти нюансы, когда игрался с Suno пятой версии где-то пару месяцев назад.
UPD: перечитал свой коммент, вышло так, что он отвечает и на первый первый вопрос "какая разница, кто написал, если нравится". Разница как раз в продолжительности жизни песни.
Типичный нейрослоповый трек без контр-мелодий, контр-ритма и ear candy может понравиться с первого раза благодаря яркому припеву или знакомой гармонии. Но она быстро надоест. На 3-й и 5-й раз слушать её будет скучно, потому что там нет глубины — уху не за что зацепиться, кроме первого плана. Человеческая музыка "живет" долго именно за счет этих скрытых слоев аранжировки. Даже если вы их не замечаете, ваши уши всё равно фиксируют их наличие в треке.
Нашёл это изображение в статье от 2019 года, то есть, задолго до появления даже Dall-E и прочих нейронок. То есть картинка (не смотря на то, что от неё несёт нейрослопом) на самом деле не создана нейронкой. Вообще, сервис на самом деле очень хорошо определяет автора (нейронка/человек), но если нейронка генерила на основе человеческого материала (например, если попросить отредактировать реальное фото в Gemini Image или если попросить написать текст на основе информации из текста, написанного человеком), то сервис всё равно даёт высокий процент того, что материал создан человеком.
Подтверждаю, у самого была меланхолическая депрессия в 19 лет из-за полного отсутствия друзей и тогдашних сомнений на счёт выбора профессии. Где-то через 5 месяцев я таки начал думать о походе к врачу, не смотря на то, что много кто отговаривал (у меня уже тогда были не только ментальные, но и физические проблемы, из-за которых я начал спать по 5 часов (из-за сбитых циркадных ритмов) и чувствовать постоянную тревожность и зависимость от чужого мнения/одобрения). В итоге, после безуспешных попыток излечить свой недуг просто повышением физ. нагрузки на протяжении где-то 3 месяцев я всё-таки пошёл к психотерапевту. Смотря сейчас в ретроспективе, я понимаю, что это решение было одним из лучших и самых важных в жизни.
UPD: сорян что не совсем по теме, просто захотелось поделиться.
Одна из самых интересных статей за последнее время, спасибо, приятно осознавать, что не я один сталкивался с ленью и прокрастинацией во время прохождения курсов
Блин, ну как можно писать про саундтрек NFS:MW и не упомянуть Bullet for My Valentine - Hand of Blood?? Однозначно лучший трек в игре и, наверное, вообще на всей метал-сцене в 2005 году.
Я тоже в последнее время почти полностью отказался от традиционного гуглопоиска и перешёл на DeepSeek. Экономит кучу времени, даже учитывая дополнительные проверки на галлюцинации от LLM.
Аналогия про дирижёра не в тему. Там спор про точность передачи чужого замысла: дирижёр интерпретирует, а не искажает. Я же говорю не про интерпретацию, а про физическое наличие или отсутствие определённых элементов в самой записи.
В отредактированном первом комментарии я уже упомянул, что эти элементы нужны для увеличения срока жизни песни, но это не единственная причина их добавления в трек. Есть довольно устойчивое наблюдение в психоакустике и звукорежиссуре: человеку не нравится стерильная цифровая тишина, и мозг лучше вовлекается в сигнал с лёгкой шумовой текстурой - отсюда фоновый шелест плёнки или розовый шум прямо в синтезаторе. Слушатель чаще всего не осознаёт эту деталь напрямую, а она всё равно влияет на то, нравится ему трек или нет. То же самое с контр-мелодией и ear candy - их не обязательно слышать, чтобы они делали своё дело.
По нотам - генераторы MIDI-последовательностей есть, но по факту это сырой черновик, а не готовое решение: библиотеки плохо оживляют такие партии, тайминг и артикуляцию всё равно приходится дотягивать руками.
На счёт второго пункта: у ИИ-шной музыки не только в частотном спектре проблема. В плане аранжировки (и это актуально для всех нейросетей, включая Suno и Udio) там нет:
контр-мелодии/второго ведущего элемента , не считая истинную контр-мелодию в виде call-and-respone
контр-ритма - т. е. ритмических элементов, которые играют "мимо" основного ритма драмки
конфет для ушей (ear candy в оригинале), по-простому коротких звуковых деталей, которые не заметны на первом прослушивании (т. к. на первом прослушиваний слушатель фокусируется на основном лиде, гармонии, ударках и басе), но делают трек интереснее при повторных прослушиваниях
То есть, если мы слышим второй лид, гармонизирующий основной лид или два равнозначных лида, или контр-ритм (условные хай-хэты с off-beat паттернами), или ear candy в левом ухе в виде звука подброшенной монеты - трек 100% не нейрослоповый.
Проблема в том, что у очень многих людей ненатренерованный слух (они просто не обращают на эти элементы внимание, даже если их уши в принципе фиксируют их наличие в треке), плюс большинство слушает на довольно дешёвом аудиооборудовании, и там эти элементы аранжировки слышно хуже, чем на более-менее нормальных ушах вроде условных Soundcore Space One.
Если что, всё что я выше расписал, это мои личные наблюдения, а не копипаста откуда-то. Просто я некоторое время увлекался продюсированием и аранжировкой, и для себя отметил вот эти нюансы, когда игрался с Suno пятой версии где-то пару месяцев назад.
UPD: перечитал свой коммент, вышло так, что он отвечает и на первый первый вопрос "какая разница, кто написал, если нравится". Разница как раз в продолжительности жизни песни.
Типичный нейрослоповый трек без контр-мелодий, контр-ритма и ear candy может понравиться с первого раза благодаря яркому припеву или знакомой гармонии. Но она быстро надоест. На 3-й и 5-й раз слушать её будет скучно, потому что там нет глубины — уху не за что зацепиться, кроме первого плана. Человеческая музыка "живет" долго именно за счет этих скрытых слоев аранжировки. Даже если вы их не замечаете, ваши уши всё равно фиксируют их наличие в треке.
Нашёл это изображение в статье от 2019 года, то есть, задолго до появления даже Dall-E и прочих нейронок. То есть картинка (не смотря на то, что от неё несёт нейрослопом) на самом деле не создана нейронкой. Вообще, сервис на самом деле очень хорошо определяет автора (нейронка/человек), но если нейронка генерила на основе человеческого материала (например, если попросить отредактировать реальное фото в Gemini Image или если попросить написать текст на основе информации из текста, написанного человеком), то сервис всё равно даёт высокий процент того, что материал создан человеком.
Протестировал на сгенерированном коте в GPT Image 2, вроде норм работает.
Подтверждаю, у самого была меланхолическая депрессия в 19 лет из-за полного отсутствия друзей и тогдашних сомнений на счёт выбора профессии. Где-то через 5 месяцев я таки начал думать о походе к врачу, не смотря на то, что много кто отговаривал (у меня уже тогда были не только ментальные, но и физические проблемы, из-за которых я начал спать по 5 часов (из-за сбитых циркадных ритмов) и чувствовать постоянную тревожность и зависимость от чужого мнения/одобрения). В итоге, после безуспешных попыток излечить свой недуг просто повышением физ. нагрузки на протяжении где-то 3 месяцев я всё-таки пошёл к психотерапевту. Смотря сейчас в ретроспективе, я понимаю, что это решение было одним из лучших и самых важных в жизни.
UPD: сорян что не совсем по теме, просто захотелось поделиться.
Нормально так тебя порвало. Так-то правильно как раз таки slop, но скуфам не понять.
Одна из самых интересных статей за последнее время, спасибо, приятно осознавать, что не я один сталкивался с ленью и прокрастинацией во время прохождения курсов
Прошёл щас тест, 21/29 правильно угадал. Думаю, ошибся только в очень коротких текстах, там уже человека от нейронки почти нереально отличить.
Ничем, это чудеса от гуглоперевода...
Кошкодрочера порвало?
Блин, ну как можно писать про саундтрек NFS:MW и не упомянуть Bullet for My Valentine - Hand of Blood?? Однозначно лучший трек в игре и, наверное, вообще на всей метал-сцене в 2005 году.
Чёт на сайте у меня ничего не отображается с моего IP.
o3-mini на lmarena хуже даже gpt-4o. На данный момент grok 3 имеет наибольшее количество elo среди всех нейронок на арене.
Я тоже в последнее время почти полностью отказался от традиционного гуглопоиска и перешёл на DeepSeek. Экономит кучу времени, даже учитывая дополнительные проверки на галлюцинации от LLM.
Странно, я тоже пользуюсь uBlock, но реклама у меня почти всегда появляется, чаще всего перед роликом, хотя ещё год назад такого не было.
Реклама нейронок Яндекса и Сбера или чё? Вы их с нормальными моделями сравните, которые хотя бы есть в первой десятке в топе на LMArena