Dibutuhkan proses yang panjang dan mahal untuk mentransformasi sebuah rekaman lagu yang masih mentah menjadi lagu atau musik yang Anda nikmati melalui radio atau layanan streaming. Proses ini disebut mastering. Bagi para musisi atau penyanyi, proses mixing dan mastering kerap menjadi hambatan terbesar dalam merilis musik/lagu karena biayanya besar dan memakan waktu.
Artificial Intelligence dapat berperan di sini. Salah satu contohnya adalah LANDR, layanan mastering online berbasis machine learning yang dapat memroses sebuah track dalam waktu beberapa menit saja. Algoritme LANDR menggunakan ribuan lagu yang sudah dikenai proses mastering itu sebagai blueprint, lalu mencocokan kualitas audio lagu-lagu tersebut dengan lagu yang diunggah pengguna.
Platform streaming Soundcloud juga menawarkan layanan online mastering tool berbasis machine learning.
Baca juga: Apa Itu Natural Language Processing (NLP) dan Apa Saja Contohnya?
Mengidentifikasi Potensi Kesuksesan
Contoh penerapan AI lainnya di industri musik adalah pencari bakat. Pada tahun 2018, Warner Music Group mengakuisisi Sodatone, sebuah layanan yang mengumpankan data streaming, data medsos, dan data tur ke algoritme machine learning untuk mengidentifikasi penyanyi atau musisi yang paling berpotensi sukses di masa depan. Amazon bahkan sudah mematenkan sebuah teknologi untuk memprediksi popularitas konten, misalnya musik, buku, dan film.
Perusahaan AI dan media digital asal Kanada, Hitlab, mengembangkan Music Digital Nuance Analysis (DNA). Ini adalah sebuah tool yang dapat membantu mengurai lagu ke dalam 83 atribut. Music DNA menganalisis lagu-lagu paling populer di berbagai kawasan, lalu membandingkan atribut-atributnya dengan lagu-lagu yang baru dirilis. Hal ini dilakukan untuk mengidentifikasi potensi lagu-lagu baru itu bisa menjadi "hit" atau tidak.
Dengan Music DNA para produser, perusahaan pemilik label rekaman, dan para pencipta lagu/musisi dapat menyesuaikan musik/lagu dengan target audience yang mereka incar.
Apakah tool semacam Music DNA akan menyingkirkan orang-orang di divisi Artist and Repertoire (A&R/ divisi dari label rekaman yang bertanggung jawab untuk pencari bakat dan mengawasi pengembangan artistik para artis rekaman)? Seperti di sektor-sektor lainnya, penerapan AI sifatnya adalah membantu. Memilih dan memilah 20.000 lagu yang diunggah ke Spotify secara manual tentu bukan pekerjaan mudah. Tool AI dapat membantu mengurangi beban pekerjaan A&R dari memilih ribuan lagu menjadi ratusan saja.
Menjaga Hak Cipta
Meski hak cipta karya yang dihasilkan AI belum sepenuhnya diakui, kecerdasan buatan justru membantu industri musik menjaga hak cipta, dengan membatasi pembajakan
BMAT, sebuah perusahaan yang berpusat di Barcelona, Spanyol, membantu para produser, perusahaan label rekaman, para pencipta lagu, dan lain-lain menelusuri penggunaan lagu/musik di berbagai platform. Layanan BMAT bekerja dengan cara mengidentifikasi adanya kemiripan sebuah komposisi musik atau lagu. BMAT menggunakan teknologi audio fingerprinting, berupa ringkasan digital audio yang terkompresi. Algoritme machine learning kemudian akan menelusuri kemiripan komposisi untuk kemudian diidentifikasi berdasarkan kemiripan suara. Machine learning dapat mengenali kemiripan komposisi meski disertai background noise yang cukup sulit dilakukan teknologi music tracking yang ada.