تولید موسیقی با هوش مصنوعی

ساخت لوپ صوتی تمیز؛ تمپو و گام را از همان پرامپت کنترل کن

برای ساخت لوپ صوتی مناسب ویدئو، فقط نوشتن «موسیقی آرام» کافی نیست. در این آموزش با تعیین تمپو، گام، طول میزان، شدت و نقطه شروع‌وپایان، یک لوپ قابل‌تکرار و کم‌مزاحمت می‌سازید.

۱۶ مرداد ۱۴۰۵

نویسنده: تحریریه آمارد

چرا لوپ کوتاه به توضیح دقیق نیاز دارد؟

لوپ صوتی خوب فقط یک فایل کوتاه نیست؛ باید وقتی به انتهایش رسید، شنونده متوجه پرش، سکوت یا تغییر ناگهانی فضا نشود. این ویژگی برای موسیقی پس‌زمینهٔ ویدئو، پادکست، معرفی محصول و حتی تمرین خوانندگی مهم است، چون فایل چند بار تکرار می‌شود و هر ایراد کوچک چند برابر به گوش می‌رسد. اگر فقط بنویسید «یک موسیقی آرام برای ویدئو»، سازندهٔ صوت ممکن است مقدمه، اوج، پایان یا سازهای زیادی اضافه کند؛ نتیجه برای یک آهنگ کامل بد نیست، اما برای تکرار مناسب نیست.

این موضوع در چند ماه اخیر کاربردی‌تر شده است. یک راهنمای رسمی تولید موسیقی که در ۶ اوت ۲۰۲۶ به‌روزرسانی شده، کنار سبک و ساز، تمپو، ریتم، گام، شدت و حتی بازه‌های زمانی را برای کنترل بهتر پیشنهاد می‌کند. سند رسمی دیگری که در ۱۶ ژوئیه ۲۰۲۶ به‌روزرسانی شده نیز نشان می‌دهد تغییر تدریجی ایده‌ها و ثابت نگه‌داشتن BPM و گام، از جهش‌های ناخواسته کم می‌کند. از طرف دیگر، در به‌روزرسانی ۲۵ ژوئن ۲۰۲۶ یوتیوب، «کیفیت بد صدا» صریحاً یکی از برداشت‌هایی دانسته شده که روی واکنش مخاطب اثر می‌گذارد. نتیجهٔ عملی برای شما ساده است: لوپ را مثل یک قطعهٔ کامل سفارش ندهید؛ آن را مثل یک قطعهٔ کاربردی با مرزهای روشن طراحی کنید.

الگوی پرامپت برای ساخت لوپ صوتی

پرامپت را در پنج لایه بنویسید: کاربرد، حرکت ریتمیک، سازهای اصلی، مشخصات موسیقایی و محدودیت‌ها. این ترتیب کمک می‌کند سازندهٔ صوت بداند فایل قرار است زیر صدای گوینده بنشیند یا خودش نقش اصلی را داشته باشد. برای یک لوپ ۸ میزانی در میزان‌نمای ۴/۴، این فرمول را امتحان کنید: «کاربرد + instrumental loop + تعداد میزان و تمپو + گام + سازهای کم‌تعداد + شدت + ممنوعیت‌های شنیداری». اگر هدف شما افکت غیرملودیک مثل باران یا صدای اتاق است، گام را حذف کنید؛ اما برای پیانو، پد، باس یا ملودی کوتاه، تعیین گام به تکرارپذیری کمک می‌کند.

• کاربرد را مشخص کنید: «زیر گفت‌وگوی ویدئوی آموزشی» یا «پس‌زمینهٔ تیزر غذا»، نه فقط «موسیقی زیبا».
• ریتم را عددی کنید: مثلاً ۹۶ BPM، ضرب منظم و الگوی سادهٔ ۴/۴.
• طول را با میزان توضیح دهید: ۴ یا ۸ میزان؛ اگر مدت ثانیه‌ای می‌خواهید، آن را تقریبی بنویسید.
• حداکثر دو یا سه عنصر اصلی انتخاب کنید: پیانوی نمدی، پد نرم و پرکاشن برس‌مانند.
• پایان را مهار کنید: بدون سکوت، فیداوت، ضربهٔ آخر، تغییر ناگهانی یا صدای گذار بزرگ.
• شدت را پله‌ای نگه دارید: آرام و یکنواخت برای گفتار، یا اوج کوچک فقط در دو میزان پایانی.

نمونهٔ ضعیف این است: «یک موسیقی آرام برای ویدئوی قهوه». نسخهٔ عملی‌تر چنین است: «Instrumental seamless loop, 8 bars, 96 BPM, A minor, warm felt piano, soft brush percussion, low density, gentle movement, starts on the downbeat, no intro, no outro, no vocals, no crash, no riser, no sudden ending, suitable under voiceover». در نسخهٔ دوم، به‌جای درخواست نتیجهٔ مبهم، نقاط قابل‌سنجش تعیین شده‌اند: تعداد میزان، سرعت، گام، چگالی و چیزهایی که نباید شنیده شوند.

مراحل اجرا در موزیکساز آمارد

برای ساخت موزیک با هوش مصنوعی لازم نیست از ابتدا یک آهنگ سه‌دقیقه‌ای بسازید. این آزمایش را با ابزار «ساخت افکت صدا» انجام دهید تا مسئلهٔ شما فقط قابل‌تکرار بودن صدا باشد:

1. کاربرد را روی کاغذ بنویسید: مثلاً «صدای زیر گفتار برای ویدئوی ۳۰ ثانیه‌ای آموزش آشپزی». تصمیم بگیرید صدا باید ملودیک باشد یا بیشتر بافت و ریتم داشته باشد.
2. در موزیکساز آمارد وارد «ساخت افکت صدا» شوید و در توضیح صدا کلمهٔ loop یا لوپ را همراه با تعداد میزان و جملهٔ «شروع روی ضرب اول و پایان قابل‌اتصال» بنویسید.
3. تمپو را در فیلد تمپو وارد کنید؛ برای نمونه ۹۶. اگر گام‌دار است، در فیلد گام Am را انتخاب کنید. برای صدای باران، اتاق یا بافت نویزی، گام را روی خودکار بگذارید یا از آن صرف‌نظر کنید.
4. در متن توضیح، مدت تقریبی را هم ذکر کنید، اما آن را تضمین ندانید؛ ابزار sounds فیلد جداگانه‌ای برای مدت ندارد. بعد از شنیدن خروجی، مدت واقعی و محل اتصال را بررسی کنید.
5. دو نسخه با پرامپت یکسان بسازید و فقط یک متغیر را عوض کنید: در نسخهٔ دوم پرکاشن را حذف یا شدت را کمتر کنید. این کار نشان می‌دهد مشکل از ایده بوده یا از شلوغی تنظیم.
6. فایل بهتر را با تکرار پشت‌سرهم گوش دهید؛ یک بار عادی، یک بار زیر صدای خواندن و یک بار با صدای کم. اگر پایان جلب توجه می‌کند، به‌جای اضافه‌کردن ساز، پرامپت را به «بدون پایان نمایشی و بدون فیداوت» اصلاح کنید.
7. برای استفادهٔ بیرون از محصول، تمپو و گام را در نام فایل یا یادداشت پروژه ثبت کنید؛ مثلاً loop-piano-96bpm-am. این یادداشت هنگام هماهنگ‌کردن با ویدئو یا پروژهٔ موسیقی جلوی آزمون‌وخطای دوباره را می‌گیرد.

مثال قبل و بعد: از صدای مبهم تا پس‌زمینهٔ قابل‌استفاده

قبل: «موسیقی آرام و مدرن برای ویدئوی معرفی قهوه، بدون حواس‌پرتی». خروجی آزمایشی یک پیانوی پرزرق‌وبرق، درام کامل و پایان فیداوت دارد؛ وقتی ویدئو دوباره پخش می‌شود، فیداوت و شروع دوباره مثل یک بریدگی شنیده می‌شود.

بعد: «Instrumental seamless loop for a 30-second coffee tutorial, 8 bars, 96 BPM, A minor, warm felt piano with sparse shaker, low and steady intensity, no vocal, no bass drop, no cymbal crash, no intro, no outro, no fade-out, start and end on a matching downbeat, leave space for spoken voice». حالا هدف، سرعت، گام، ساز، شدت و فضای لازم برای گفتار روشن است. اگر نسخهٔ بعد هنوز شلوغ بود، فقط «sparse shaker» را حذف کنید و نسخهٔ سوم را مقایسه کنید؛ تغییر هم‌زمان تمپو، ساز و گام، علت بهبود یا افت را پنهان می‌کند.

عیب‌یابی پنج خطای رایج

• پرش یا کلیک در محل اتصال: وجود فیداوت، ضربهٔ آخر یا دنبالهٔ ریورب را در پرامپت حذف کنید و شروع و پایان روی ضرب اول را بخواهید.
• ریتم در تکرار جلو یا عقب می‌افتد: از ۴ یا ۸ میزان استفاده کنید و BPM را عددی بنویسید. طول‌های نامنظم برای ویدئوی ضرب‌دار سخت‌تر همگام می‌شوند.
• لوپ زیر گفتار جا نمی‌افتد: شدت و چگالی را پایین بیاورید، باس و درام کامل را حذف کنید و عبارت «leave space for voiceover» را اضافه کنید.
• گام نتیجه را عوض می‌کند: برای صدای دارای نت، همان گام را در فیلد انتخاب کنید و آن را در متن هم تکرار کنید؛ برای افکت‌های غیرملودیک، گام اجباری نیست.
• خروجی به‌جای لوپ، آهنگ کامل می‌شود: کلمات intro، chorus، climax و outro را حذف کنید و به‌جای آن «short repeating texture» یا «steady 8-bar loop» بنویسید.

تمرین ۲۰ دقیقه‌ای امروز

یک ویدئوی کوتاه یا متن گویندگی ۳۰ ثانیه‌ای انتخاب کنید و سه خروجی با یک هستهٔ ثابت بسازید: ۸ میزان، ۹۶ BPM، Am، پیانوی نرم، بدون وکال و بدون پایان نمایشی. در نسخهٔ اول پرکاشن نداشته باشید؛ در نسخهٔ دوم شیکر بسیار کم اضافه کنید؛ در نسخهٔ سوم پد محیطی را جایگزین شیکر کنید. هر نسخه را از صفر تا دو برای سه معیار نمره بدهید: بی‌دردسر بودن اتصال، جا گذاشتن فضا برای صدا و حفظ حس در تکرار. نسخه‌ای را نگه دارید که مجموع بیشتری دارد، نه نسخه‌ای که در بار اول پرزرق‌وبرق‌تر به نظر می‌رسد.

ساخت لوپ صوتی موفق بیشتر از آن‌که به توصیف‌های شاعرانه وابسته باشد، به مرزهای روشن وابسته است: کجا شروع شود، با چه سرعتی حرکت کند، چه چیزهایی حذف شوند و در پایان چه اتفاقی نیفتد. با ثابت‌کردن این چهار مورد، خروجی را می‌توانید برای چند ویدئو یا چند مرحلهٔ تنظیم دوباره آزمایش کنید؛ با این حال هیچ پرامپتی جای گوش‌دادن به تکرار واقعی و انتخاب انسانی را نمی‌گیرد.