ساخت آهنگ با هوش مصنوعی

وضوح شعر در آهنگ؛ پرامپت‌نویسی برای ملودی و وکال خوانا

اگر خوانندهٔ مصنوعی بعضی واژه‌های فارسی را می‌بلعد یا روی کلمهٔ اشتباه تأکید می‌کند، مشکل همیشه از صدا نیست. این آموزش با تکیه بر تکیهٔ هجایی، مکث و طول جمله، روش ساخت چند خروجی خواناتر را نشان می‌دهد.

۱۸ مرداد ۱۴۰۵

نویسنده: تحریریه آمارد

در ساخت آهنگ با هوش مصنوعی، خوانا نبودن شعر فارسی را نباید همیشه با عوض‌کردن صدای خواننده یا بالا بردن قدرت سبک درمان کرد. خیلی وقت‌ها خطا از رابطهٔ خودِ کلمه و ملودی می‌آید: هجای بی‌اهمیت روی ضرب قوی می‌نشیند، جمله آن‌قدر بلند است که نفس وکال از هم می‌پاشد، یا کلمه‌ای که باید در ذهن بماند بین چند کشش و تزئین گم می‌شود. راه‌حل این آموزش، نوشتن شعر با گوش‌دادن به گفتار طبیعی و سپس انتخاب خروجی‌ای است که تکیه، مکث و طول جمله را بهتر نگه می‌دارد. این روش برای ترانهٔ فارسی، دمو و حتی یک ایدهٔ کوتاه تبلیغاتی قابل آزمایش است.

چرا تکیهٔ هجایی به وضوح وکال کمک می‌کند؟

در ترانه، prosody یعنی هماهنگی ریتم و تأکید زبان با ریتم، کشش و اوج موسیقی. فارسی مثل انگلیسی یک الگوی سادهٔ ثابت برای تکیهٔ واژه‌ها ندارد؛ طول واکه، مکث، پایان جمله و لحن گفتاری هم مهم‌اند. پس هدف، شمردن مکانیکی هجاها نیست، بلکه نزدیک‌کردن آهنگ به نحوه‌ای است که خودتان جمله را می‌گویید. دورهٔ Songwriting Tools and Techniques در Berklee هم روی تطبیق تکیهٔ زبانی و موسیقایی، طول خط و شکل ملودی تأکید می‌کند؛ راهنمای Harvard نیز یادآور می‌شود که ریتم گفتار فقط دوگانهٔ قوی و ضعیف نیست و مکث و کشش تغییرات ظریف‌تری دارند.

این نگاه با روند تازهٔ پژوهش تولید آهنگ هم هم‌جهت است. مقالهٔ SegTune در مجموعهٔ ACL که در ژوئیهٔ ۲۰۲۶ منتشر شده، کنترل‌های محلی برای بخش‌های آهنگ و زمان‌بندی جمله‌به‌جمله را بررسی می‌کند؛ یعنی توضیح کلیِ «آهنگ احساسی» به‌تنهایی برای کنترل جزئیات کافی نیست. همچنین گزارش رسمی Queen Mary در ۳ ژوئیهٔ ۲۰۲۶ دربارهٔ benchmark جدیدی است که متن، شعر و ورودی صوتی را با هم می‌سنجد و نشان می‌دهد ساخت چند گزینه و انتخاب بر اساس ترجیح انسانی می‌تواند از اعتماد به اولین خروجی بهتر باشد. این مقاله همین دو ایده را در مقیاس ساده و قابل اجرا به کار می‌گیرد.

روش پنج‌مرحله‌ای برای نوشتن شعر خواناتر

۱. کلمات حامل معنا را پیدا کن

یک بند چهارخطی بردار و آن را بلند، بدون آواز، بخوان. زیر دو یا سه واژه‌ای خط بکش که اگر حذف شوند پیام بند عوض می‌شود؛ مثلاً در جملهٔ «باران روی شیشه، نام تو را برمی‌گرداند»، واژه‌های «باران»، «شیشه» و «برمی‌گرداند» وزن معنایی بیشتری دارند. لازم نیست این واژه‌ها را با نشانه‌های پیچیده وارد کنی؛ کافی است آن‌ها را در خطی کوتاه قرار دهی و در توضیح سبک بگویی وکال صمیمی و واضح باشد.

۲. خط‌ها را هم‌اندازهٔ یک نفس کن

• هر خط را با یک ایدهٔ شنیداری بساز؛ جملهٔ خبری، تصویر یا واکنش را بی‌دلیل در یک خط طولانی مخلوط نکن.
• بعد از هر دو یا چهار خط، یک مکث معنایی بگذار تا بخش بعدی جای تنفس داشته باشد.
• در کورس، عبارت کلیدی را با واژه‌های کمتر تکرار کن؛ تکرارِ واضح معمولاً از توضیح تازه در هر خط مؤثرتر است.
• اگر چند واژهٔ چندهجایی پشت سر هم داری، یکی را کوتاه‌تر یا محاوره‌ای‌تر کن تا خواننده مجبور به فشرده‌خوانی نشود.

۳. متن، سبک و موارد ناخواسته را جدا بنویس

در موزیکساز آمارد، بخش ایده یا شعر را از توضیح سبک جدا نگه دار. برای نمونه، در فیلد شعر این طرح اصیل را وارد کن: [Verse] باران روی شیشه / نام تو روی لبم / [Pre-Chorus] هر قدم، نزدیک‌تر / [Chorus] برگرد، همین امشب. سپس در سبک بنویس: Persian pop, 88 BPM, intimate clear vocal, short melodic phrases, soft piano, chorus lifts gently. در فیلد چیزهایی که نمی‌خواهی نیز فقط چند مانع مشخص بیاور: rushed vocal, excessive melisma, muddy pronunciation, long intro. این جداسازی کمک می‌کند بفهمی اگر وضوح بهتر شد، تغییر از ساختار شعر آمده یا از رنگ وکال؛ همه‌چیز را هم‌زمان عوض نکن.

۴. به‌جای حدس، دو خروجی را با چهار سؤال مقایسه کن

هر درخواست در رابط فعلی دو آهنگ پیشنهاد می‌دهد. به‌جای انتخاب نسخهٔ پرزرق‌وبرق‌تر، هر دو را با یک معیار ثابت گوش کن. لازم نیست امتیاز پیچیده بسازی؛ چهار پاسخ بله یا خیر کافی است: آیا عبارت کلیدی در شنیدن اول فهمیده می‌شود؟ آیا تکیهٔ موسیقی روی کلمهٔ مهم افتاده است؟ آیا پایان خط فرصت تنفس دارد؟ آیا کورس از نظر ارتفاع یا انرژی با ورس تفاوتی قابل شنیدن دارد؟ اگر یک نسخه در سه مورد از چهار مورد بهتر بود، همان را نگه دار و فقط یک تغییر کوچک در پرامپت بعدی انجام بده.

مثال قبل و بعد: یک معنی، دو روش نوشتن

فرض کن ایدهٔ ترانه این است که راوی بعد از یک جدایی هنوز در خیابان‌های شهر دنبال نشانه‌ای از طرف مقابل می‌گردد. نسخهٔ قبل می‌تواند چنین خطی داشته باشد: «من هنوز در این خیابان به دنبال نشانه‌های تو می‌گردم». این جمله از نظر معنایی خوب است، اما چند گروه هجایی و دو فعل در یک مسیر طولانی دارد؛ ممکن است وکال روی «این» یا «به» تأکید بگیرد و «نشانه‌های تو» را سریع رد کند.

نسخهٔ بعد همان تصویر را به واحدهای تنفسی کوچک‌تر می‌شکند: [Verse] در این خیابون خیس / هنوز پیِ توام / [Pre-Chorus] هر چراغ، یک نشونه / نزدیک‌تر به صدات / [Chorus] برگرد، همین امشب / این شهر هنوز با توست. حالا دو واژهٔ کلیدی «نشونه» و «برگرد» جای شنیداری روشن‌تری دارند، مکث‌ها طبیعی‌ترند و کورس یک عبارت کوتاه برای تکرار دارد. این بازنویسی تضمین نمی‌کند همهٔ خروجی‌ها بی‌نقص باشند، اما مسئله را از یک جملهٔ فشرده به چند تصمیم قابل بررسی تبدیل می‌کند.

عیب‌یابی خطاهای رایج در وکال فارسی

• واژه‌ها بلعیده می‌شوند: خط را کوتاه کن، کشش‌های اضافی را کم کن و در موارد ناخواسته عباراتی مثل rushed vocal و excessive melisma را بگذار. اگر فقط یک واژه مشکل دارد، کل سبک را عوض نکن.
• تأکید روی کلمهٔ اشتباه است: کلمهٔ اصلی را به ابتدای خط، پایان خط یا یک خط مستقل منتقل کن. در فارسی، جابه‌جایی کوچکِ «هنوز» و «تو» می‌تواند معنی شنیداری جمله را تغییر دهد.
• کورس شبیه ورس شنیده می‌شود: در سبک، برای ورس اجرای نزدیک و کم‌دامنه و برای کورس بازشدن تدریجی و انرژی بیشتر بنویس؛ هم‌زمان فقط یک ساز تازه اضافه کن تا علت تفاوت معلوم بماند.
• خروجی از شعر دور می‌شود: اگر متن را دقیق وارد کرده‌ای، مقدار خلاقیت را پایین‌تر بگذار و از توصیف‌های مبهم و متناقض در سبک کم کن. بعد یک خروجی تازه بگیر؛ نتیجه را با نسخهٔ قبلی مقایسه کن، نه با یک تصور ذهنی.
• همه‌چیز را با هم تغییر می‌دهی: بین هر دو تلاش فقط یکی از طول خط، عبارت ناخواسته یا توصیف سبک را عوض کن. وگرنه نمی‌فهمی کدام تصمیم وضوح شعر در آهنگ را بهتر کرده است.

تمرین امروز: آزمون دو نسخه‌ایِ یک کورس

1. یک کورس چهارخطی اصیل بنویس و فقط دو کلمهٔ حامل پیام را مشخص کن؛ مثلاً «برگرد» و «امشب».
2. نسخهٔ اول را با خط‌های بلند و بدون مکث مشخص وارد کن؛ در سبک فقط ژانر و حس را بنویس.
3. نسخهٔ دوم را با خط‌های کوتاه، یک بخش [Pre-Chorus] و یک فهرست کوتاه negative tags بساز؛ ژانر و حس را ثابت نگه دار.
4. از هر درخواست دو خروجی را گوش کن و فقط چهار سؤال بخش انتخاب را پاسخ بده. اگر نسخهٔ دوم واضح‌تر بود، همان را ادامه بده؛ اگر نه، فقط محل مکث یا طول یک خط را اصلاح کن.

در پایان این تمرین باید بتوانی دقیق بگویی مشکل از کجاست: طول خط، جای کلمهٔ کلیدی، تفاوت ورس و کورس، یا رنگ وکال. این تشخیص از خودِ خروجی مهم‌تر است، چون دفعهٔ بعد به‌جای پرامپت‌های طولانی و مبهم، یک تغییر کوچک و قابل سنجش انجام می‌دهی.

جمع‌بندی

برای خواناتر شدن شعر فارسی، اول آن را مثل گفتار واقعی بشنو: کدام واژه معنا را حمل می‌کند، کجا نفس عوض می‌شود و کدام خط باید در ذهن بماند؟ سپس همین تصمیم‌ها را در بخش‌بندی شعر، توضیح سبک و موارد ناخواسته منتقل کن و از میان چند خروجی با معیار ثابت انتخاب کن. نتیجهٔ خوب از یک فرمان جادویی نمی‌آید؛ از چرخهٔ کوتاهِ نوشتن، شنیدن، مقایسه و اصلاح به دست می‌آید.