...
Взаимосвязь между техническими ресурсами и композиторскими поисками в XX–XXI веках стала особенно очевидной. И в предыдущие столетия улучшение возможностей инструментов приводило к новым техникам звукоизвлечения, расширению регистров и границ тембра, а также к иным представлениям о звуковом пространстве. Революционной вехой стало возникновение звукозаписи и переход от гармонических принципов построения вертикали к фоническим и сонористическим. В эволюции работы с архитектоникой и формой можно выделить такие открытия, как серийный метод и алгоритмический подход к материалу.
Опыты по созданию алгоритмической и стохастической музыки включают в себя развитие исторических форм моделирования творческого процесса из самой музыкальной традиции. Одной из них является алгоритмическая композиция на основе буквенного письма, где отражается взаимодействие музыки и языка.
Появление буквенной нотации создало условия для возникновения алгоритмических методов на базе словесного и музыкального письма. Примеры такой практики встречаются на протяжении средних веков, Нового и Новейшего времени. Среди них стоит отметить способ Гвидо Аретинского (XI в.) по выведению мелодий из гласных букв текста и создание музыкальных монограмм (BACH, ASCH, DSCH) из латинской нотации. Позже О. Мессиан в ряде произведений конца 1960-х – 1980-х годов расширил эти установки в своей модели «языка общения». Эти методы не охватывают всех закономерностей композиции, но дают импульсы для освоения логики и техники письма, а также для понимания связей музыки с другими формами мышления. Генетическим продолжением этой традиции можно считать создание музыки с помощью алгоритмов искусственного интеллекта.
Что это за технология? По сути, это нейросеть, имитирующая работу человеческого мозга. Это огромный компьютерный алгоритм, основанный на большом количестве искусственных нейронов, каждый из которых выполняет элементарное вычисление, преобразуя входящие сигналы от других нейронов и создавая всё более комплексные и сложные связи. Таким образом, искусственный интеллект в строгом определении — это огромная нейросеть, созданная для множества задач, в работе которой большую роль играет независимая обработка данных, вложенных в её систему.
Роль ИИ в деятельности современного музыканта
Первая роль — звукорежиссерская: программы на основе искусственного интеллекта могут помогать в эквализации и сведении треков, то есть менять частотные характеристики инструментов для художественной цели или помогать корректно соединять отдельные дорожки в конечный вариант записи. А в нотном редакторе это позволяет повысить уровень акустической достоверности электронной партитуры. Искусственный интеллект в качестве «помощника» или «поисковика» может подобрать инструментарий из библиотеки, основываясь на анализе музыкального эскиза и ключевых словах автора. Также он способен предложить схожую музыку к представленному референсу — музыкальному образцу. Отметим, что перечисленный инструментарий является скорее подспорьем, ускоряющим выполнение технических задач.
В области композиции мы можем увидеть растущее количество успешных проектов. Из ярких примеров: досочинение 10–й симфонии Л. Ван Бетховена на основе клавирных эскизов и планов по инструментовке. Также стоит упомянуть сочинение при помощи ИИ музыкального материала и текста песни к конкурсу Евровидение 2018 года, которая, по мнению многих слушателей, стала одной из самых запоминающихся. Молодые авторы всё чаще применяют нейросети в своём творчестве, например представители петербургского объединения «Classic Electric».
Специфика алгоритмов ладовой и тональной музыки
В данной работе рассматривается программа Amper Music, которая уникальна своей доступностью. Ни один открытый алгоритм ранее не работал так ясно с ладовой и тональной музыкой, хотя именно эти категории были чрезвычайно сложны для понимания искусственным интеллектом. Что же помогло программе понять часть хитросплетений ладовой системы? Безусловно, это чёткая классификация составляющих музыкальной выразительности и работа с материалом, где эти составляющие регламентированы.
Программа выделяет жанр, тональность, темп, инструментарий, характеристики тембров и характер сведения. Все эти параметры превращены в точные инструменты управления. Главным ограничением данного алгоритма является жанровая составляющая: в большей степени это бытовая и прикладная музыка, в которой удалось обнаружить наиболее простые законы функционирования. Такая музыка не предполагает сложного скрещивания жанровых моделей, как это бывает, например, в сонатах Л. Ван Бетховена.
Предсказывалось, что алгоритм будет выступать как «помощник и советчик» композитора: предлагать полифонические преобразования или варианты развития формы. Но в реальности сложилось иначе. Этот «интеллектуальный агент» предлагает свободу в выборе вводных данных, но в самой композиторской работе — сочинении мелодии, гармонии, подголосков — отстраняет пользователя от управления. Предпочтение было отдано творческой свободе машины при жёстко заданных человеком рамках. Мы не просто получаем советы, а скорее «заказываем» сочинение музыки, указывая важнейшие параметры.
Интерактивные возможности и рекомпозиция материала
После введения «канвы» композиции открываются детальные возможности. Первая из них — область инструментовки. Выбрав жанр–настроение (например, «A sunny day»), пользователь получает набор инструментов, который может менять. Жанр накладывает отпечаток на доступные средства: например, в джазовую тему нельзя включить электронный пад, так как он чужероден направлению. Далее к каждому инструменту прикрепляется вариант звукорежиссерского решения. Например, «Full» означает плотное, близкое звучание, а «Old» делает его блёклым. Чтобы получить чёткий результат, лучше выбирать одинаковое решение для всех инструментов, иначе алгоритму будет сложно разобраться с противоречащими акустическими параметрами.
Регулировка темпа также привязана к жанрам, и программа отмечает чрезмерные отклонения как нежелательные, хотя это ограничение можно нарушить. В вопросах формы алгоритм стремится к простой двухчастной структуре с родственными образами, что характерно для служебной музыки. Для взаимодействия доступно три функции: условная первая тема, вторая тема и кода. Примитивность этой интеракции с формой всё же перспективна, так как она привязана к динамике и инструментовке.
Последней формой управления является рекомпозиция. При любом изменении можно пересоздать трек, при этом мелодическое зерно будет закреплено за проектом. Можно выбрать пункты переосмысления: новое ритмическое решение или новое гармоническое решение. Например, сменив гармонию в изначально угрюмом образе на основе b–moll, можно получить иное освещение темы. Однако выраженное стремление алгоритма к нормативному разрешению в тонику изменить пока нельзя.
Заключение
Резюмируя изложенное, следует отметить, что данный искусственный интеллект является оцифрованной моделью, обобщающей композиторский опыт. Самым уязвимым местом системы остается художественная уникальность: алгоритм всё ещё замкнут в системе координат прикладной музыки с её простотой языка и лапидарностью образов. Вторым недостатком является инфраструктурная громоздкость: ядро системы закрыто для ручного изменения пользователем, что ограничивает возможности персонализации.
Важно понимать, что работа с такой системой требует от пользователя высокой музыкальной образованности. Необходим богатый слуховой опыт, понимание тональной семантики и уместности инструментов в рамках образа. В будущем повышение разнообразия жанров и открытие кода программ для редактирования могло бы сделать алгоритмы более гибкими. Создание обучающих алгоритмов–наставников, предсказанное Э. Денисовым и Я. Ксенакисом, представляется наиболее важным вектором развития музыкальных технологий. Такой интеллектуальный агент будет не только предлагать варианты работы с материалом, но и обучать автора, выводя его на новый профессиональный уровень.
...
12.11.2021 (опубл. 26.04.2026)
Санкт-Петербург