[Voz y primer año] 18. El secreto de la canción revelado por la IA

Este contenido ha sido traducido por IA.

Recientemente, muchas personas utilizan el servicio de generación de música con IA, Suno.

Hace poco asistí también a un seminario sobre composición con IA. La línea superior (top line) y la producción de pistas que crea la IA, así como la función de cambiar entre voces masculinas y femeninas, son realmente sorprendentes. Sin embargo, la parte que más me cautivó fue, paradójicamente, la capacidad de transmitir la letra.

Ya sea que se introduzcan letras en hangul, en inglés o incluso letras en estilo K-pop con una mezcla de hangul e inglés, la cercanía con la melodía es bastante buena. A veces, incluso se incluyen frases algo directas y extrañas, pero suenan naturales. Hasta las letras que carecen de lo que se llama «resistencia al aburrimiento» (hangma-ryeok) suenan bastante convincentes.

Al principio, me admiré por el avance tecnológico. Pero tras escuchar los resultados varias veces, surgió otro pensamiento. El canto de la IA suena como el de un alumno que ha recibido clases de canto durante al menos un año. No se trataba solo de problemas de afinación o ritmo. Lo más importante es que la pronunciación se conectaba de forma natural.

De repente, me vino a la mente el entorno de las clases de canto.

Sorprendentemente, hay una parte que tarda bastante tiempo en los alumnos que empiezan a aprender a cantar. Se trata de la pronunciación. O, más exactamente, del flujo de la pronunciación.

La afinación es correcta y el marco básico del ritmo también, pero algo suena extraño. El ritmo es correcto, pero no es sofisticado. Al escuchar la canción, parece que las notas suenan por separado y las palabras se cortan. Sería como decir que se ha cocinado con buenos ingredientes, pero con un corte de cuchillo tosco.

Yo llamo a esto el flujo de la pronunciación (flow).

Especialmente, el coreano está compuesto por sonidos segmentados con unidades silábicas relativamente claras. La forma de las letras también muestra cómo las consonantes iniciales, las vocales y las consonantes finales se agrupan como un solo bloque, lo que tiende a hacer que al hablar se distingan claramente las sílabas. Esto es aún más cierto cuando las consonantes finales, es decir, los finales de sílaba (batchim), se pronuncian rápidamente. En cambio, en inglés, las palabras se enlazan mediante la elisión y fluyen. Es como si se escribiera la escritura horizontalmente.

En el canto, se necesita la técnica de conectar adecuadamente los límites de las sílabas. Aunque se cante la misma frase, un cantante experimentado suena como un flujo único, mientras que un principiante da la sensación de que las sílabas se cortan una por una. Por eso, de forma inconsciente, sentimos que esa canción es «sofisticada» o «hábil».

Lo interesante es que la IA logra implementar precisamente ese punto con gran eficacia.

Por supuesto, la IA no ha amado en el Cuartel General de la Armada ni ha experimentado un adiós. No conoce la emoción de la anticipación ni la sensación de pérdida. No puede sentir emociones. Sin embargo, la emoción o el mensaje de la canción se transmiten de forma más natural de lo que se podría pensar.

Esto me hace reflexionar sobre ese punto.

Al impartir clases de canto, cuando se habla de la pronunciación, a menudo se hace hincapié en la emoción. Hay que transmitir emoción. Hay que transmitir sinceridad. No es una afirmación errónea. Sin embargo, sentir una emoción y transmitir esa emoción pueden ser problemas ligeramente distintos. Por muy profunda que sea la emoción con la que se canta, si no se transmite a quien escucha, la comunicación no se completa. En última instancia, la emoción se transmite a través del contexto de las palabras. Y en ese proceso, la conexión de la pronunciación desempeña un papel más importante de lo que se piensa.

Al escuchar las canciones de la IA, comprendí de nuevo algo nuevo. Cuando hablamos habitualmente, no hablamos cortando sílaba por sílaba como una voz de guía de ARS. Conectamos las palabras y creamos un flujo único para transmitir la frase. El canto es similar.

Las personas que empiezan a aprender a cantar se centran en la afinación y el ritmo. Por supuesto, es importante. Pero una vez que se logra un cierto nivel, lo que se necesita en el siguiente paso es la conexión. La conexión entre notas. La conexión entre palabras. Y la conexión entre significados.

La IA se entrena con datos de canciones de innumerables personas. Al observar a una IA que ha aprendido desde esa perspectiva de observador, recuerdo de nuevo el hecho más básico.

Que lo que escuchamos en el canto no es una simple enumeración de sílabas, sino un contexto y un flujo.

© STARNEWS. Todos los derechos reservados. Prohibida su reproducción

Este contenido ha sido traducido por IA.