Jak popsat zvuk, který AI syntezátor opravdu dokáže vytvořit

Většina prvních promptů pro generativní nástroj vypadá jako filmová recenze: epický, filmový, emotivní, obrovský. Jsou to poctivé popisy pocitu a modelu, který má vyrobit vlnu, jsou skoro k ničemu. Výsledkem je zvukový ekvivalent béžové - zvuk, který je trochu vším, a proto ničím.

Řešením není delší prompt. Je to prompt, který mluví o zvuku tak, jak o něm mluví sound designéři. Tento návod prochází čtyři kroky, které spolehlivě promění mlhavé přání v hratelný nástroj.

Nejdřív pojmenujte rodinu nástroje

Nejužitečnější slovo v každém promptu je rodina: bass, lead, pad, pluck, keys, organ, texture, impact. Určuje rejstřík, obálku a roli ve skladbě dřív, než se rozhodne cokoli dalšího.

Porovnejte warm and dreamy s warm dreamy pad. To první může být piano, sbor nebo zvonkohra. To druhé je držený, akordický zvuk s pomalým náběhem - a model teď může věnovat úsilí tomu, aby byl teplý a snový, místo hádání, co “to” vlastně je.

Pokud nevíte, kterou rodinu chcete, vyberte roli, kterou zvuk bude hrát: co nese basy (bass), co sedí nahoře (lead), co vyplňuje prostor mezi tím (pad), co značí rytmus (pluck, impact).

Popište barvu slovy o materiálu a pohybu

Jakmile je rodina daná, popište, jak zvuk působí, slovy, která odpovídají fyzice:

• Materiál: analog, digital, glassy, metallic, wooden, felt, tube, saturated
• Pohyb: filtered, wobbling, breathing, evolving, modulated, reversed, granular
• Váha: sub, deep, thin, bright, dark, airy, fat

Fat moog bass, glassy fm bell, breathing organic pad, filtered analog arp - každý z nich dává modelu texturu, na kterou má mířit, a způsob pohybu. Emoční slova jsou v pořádku jako třetí slovo (“haunting choir pad”), ale nikdy by neměla být jediná.

Řekněte, k čemu zvuk slouží

Kontext odstraňuje nejednoznačnost. Bass sám o sobě může být hladký sub pro baladu nebo zkreslený growl pro drop. Sub bass for a powerful trap drop a cello-like bass that sounds sad and lonely jsou oba basové prompty a neměly by znít ani trochu podobně.

Žánr a funkce jsou zkratky, kterým model rozumí velmi dobře: berlin techno lead, lo-fi pad with a cinematic quality, progressive house arp, neurofunk bass design. Jedna taková fráze nese víc informace než odstavec přídavných jmen.

Používejte slovník, který model už zná

Každý generativní model má domácí slovník - fráze, které se v jeho trénovacích datech objevují dost často na to, aby na ně měl jistou odpověď. V AI Synthesizeru je tento slovník přímo vidět: návrhy, které se objevují při psaní, čipy s nápady pod promptovacím řádkem i tlačítko s kostkou z něj čerpají.

Vyjít ze známé fráze a změnit jedno slovo je nejrychlejší cesta ke konkrétnímu zvuku. Warm analog lead se stane warm analog bass, pak dark analog bass, pak dark bass sequence. Každý krok mění jednu proměnnou, takže vždy víte, co se změnilo.

Iterujte přes takes, ne přepisováním

Když má výsledek správný charakter, ale špatný detail, prompt nepřepisujte. Chtějte další take. AI Synthesizer generuje čtyři takes na jeden prompt právě proto, že stejná slova vytvářejí rodinu příbuzných zvuků, a druhý nebo třetí take je často ten pravý.

Přepisujte jen tehdy, když je špatně charakter: špatná rodina, špatná váha, špatný pohyb. Pak měňte jedno slovo najednou, aby se lepší výsledek dal vystopovat ke slovu, které ho způsobilo.

Kontrolní seznam promptu

Než stisknete Create, přečtěte si prompt znovu a zkontrolujte:

1. Je tam rodina nástroje (bass, lead, pad, pluck, keys)?
2. Je tam aspoň jedno slovo o materiálu nebo pohybu?
3. Říká, k čemu zvuk je, nebo v jakém žánru žije?
4. Má méně než osm slov?
5. Je anglicky a používá pojmy sound designéra?

Prompt, který projde všemi pěti body, zklame jen zřídka - a když ano, oprava bude zřejmá.

Hlavní myšlenka: Dobrý prompt pro nástroj pojmenuje rodinu, popíše barvu slovy o materiálu a pohybu a uvede účel - a pak se spoléhá na takes pro variace a na úpravy po jednom slově pro směr.

Časté otázky

Jak dlouhý má být prompt pro nástrojový zvuk?

Ideálně tři až osm slov. Jedna rodina nástroje, jedno až dvě slova o barvě a případně účel. Delší prompty spíš přidávají rozpory než detail a model musí hádat, na čem záleží.

Proč dává 'epický filmový zvuk' nevýrazný výsledek?

Protože popisuje pocit, ne zvuk. Model nemá rodinu nástroje, rejstřík ani texturu, ze kterých by vycházel, a tak zprůměruje všechno, co si s 'epickým' spojuje. Nahraďte to konkrétní rodinou a slovem o materiálu: 'wide brass pad' nebo 'dark bowed bass'.

Mám psát prompty anglicky?

Zatím ano. Slovník, na kterém byl model trénovaný, je anglický jazyk sound designu. Rozhraní i tento blog jsou dostupné ve více jazycích a tipy platí beze změny - samotná slova ale fungují nejlépe anglicky.

Jaký je rozdíl mezi take a novým promptem?

Take je další generování stejného promptu - stejný popis, jiný výsledek. Nový prompt mění popis. Když sedí charakter, ale ne detail, chtějte další takes; když je charakter špatně, změňte slova.