Yapay zekâ vokallerini düzenleme: Yapay zekâ seslerinin miksajda daha doğal duyulmasını sağlamanın yolları

Yapay zekâ vokallerinin neden etkileyici olduğu ve yine de yapay tınladığı

Suno, Udio veya ElevenLabs gibi araçlardan elde edilen yapay zekâ sesleri kısa sürede şaşırtıcı derecede iyi hale geldi. Ses tonlarını temiz bir şekilde yakalıyorlar, stilistik olarak uygun geliyorlar ve saniyeler içinde eksiksiz bir vokal kaydı sunuyorlar. Bununla birlikte, çoğu dinleyici içgüdüsel olarak bir şeylerin tam olarak doğru olmadığını hissediyor. Ses hem mükemmel hem de cansız geliyor.

Bu tek bir hatadan değil, bir dizi küçük kusurun birleşiminden kaynaklanıyor. Yapay zekâ vokalleri tipik "belirtiler" sergiliyor: uzun, sürekli notalarda dijital bir titreme (genellikle "yapay zekâ titremesi" olarak adlandırılır), sert, nefes nefese bir ifade ve s ve t seslerinde metalik, neredeyse kristal berraklığında bir keskinlik. Buna ek olarak, yapay tınlayan vibrato, doğal olmayan geçişler ve hepsinden önemlisi, mikro dinamiklerin eksikliği de mevcut.

Gerçek ıslık sesi kelimeden kelimeye değişir. Yapay zeka tarafından üretilen ıslık sesi ise genellikle kopyala yapıştır yapılmış gibi, her zaman aynı sertlikte duyulur. Kulaklarımızın "sentetik" olarak algıladığı şey tam olarak bu tekdüzeliktir. İyi haber şu: Bu sorunların neredeyse tamamı klasik miksaj araçlarıyla giderilebilir. Bu nedenle yapay zeka vokallerini düzenlemek sihirle ilgili olmaktan çok, ustaca bir teknikle ilgilidir. Ayrıca parçalarınızı Suno'dan ayırıyorsanız, kılavuzumuz size bunu nasıl yapacağınız konusunda yardımcı olacaktır. Suno saplarını doğru şekilde nasıl karıştırabilirsiniz? Mantıklı bir ilk adım olarak bunu yapabilirsiniz.

Formantlar, vibrato ve geçici olaylar: Yapay zekanın incelikli etkileri

Araçlara geçmeden önce, yapay zekanın en ince üç özelliğini anlamakta fayda var; çünkü bunları tanımak işin yarısıdır.

İlk olarak şunlar formantlarFormantlar, bir sesli harfin "A" veya "I" olarak tanınmasını sağlayan ve tonunu şekillendiren, ses tınısındaki sabit rezonans aralıklarıdır. Yapay zeka jeneratörleri bazen bu formantları doğal olmayan bir şekilde kaydırır; bu durumda ses boş veya garip bir şekilde gergin duyulur. 800 Hz ile 3 kHz aralığında ince bir formant kaydırıcı veya dinamik bir EQ bunu telafi edebilir. Çok fazla düzeltme ise hızla "Mickey Mouse" sesine yol açar.

İkincisi ise yapay vibratoGerçek bir şarkıcı, ses perdesini hafifçe düzensiz bir şekilde değiştirir; yapay zekâ vibratosu ise genellikle mekanik olarak düzgündür. Bir perde aracı kullanılarak belirli noktalarda zayıflatılabilir veya kaydırılabilir.

Üçüncüsü doğal olmayan geçici olaylar — Sesin başlangıcındaki kısa atak aşaması. Yapay zekâ vokallerinde, kelime başlangıçları bazen çok sert veya çok bulanık duyulur, özellikle "T," "K" ve "P" gibi sert ünsüzlerde. Geçici ses tasarımcısı, bu atak aşamalarını kasıtlı olarak yumuşatır. Mikro dinamiklerin yokluğuyla birlikte, bu ayrıntılar tam olarak "insan sesi" mi yoksa "makine sesi" mi olduğunu belirleyen şeydir.