La deirpunkto ne estis: ni vidu, ĉu AI kapablas
Kiam mi komencis ĉi tiun serion de ĉinaj malrapidaj kantoj, mi ne serĉis demonstraĵon de teknologia kapablo. Mi volis ion pli ordinaran kaj pli malfacilan: profundsentan, kanteblan kanton kun longa melodia spiro—kanton, kiun oni metas en aŭtan sonsistemon kaj, post du aŭskultoj, volas denove ripeti.
Nova ilo povas mirigi dum kelkaj minutoj. Kanto devas resti dum nokta vojo, hejma laboro, rememoro aŭ sendormeco. Por tio necesas vortoj, kiuj atingas homon, melodio kun propra direkto kaj voĉo, kies ĉeeston oni volas kredi. Tekniko povas malfermi la pordon; ĝi ne povas mem trairi la tutan emocian vojon.
Malrapida kanto ne estas nur kanto kun malpli da taktoj
Malrapida kanto estas senkompata provo. Kiam la rapido malaltiĝas, malplenaj vortoj, senmova strofo, rekantaĵo sen leviĝo aŭ dua ripeto sen nova lumo tuj montriĝas. Longa noto ne povas kaŝi, ke la frazo havas nenien iri.
Tial mi ne juĝas nur la unuan impreson. Mi aŭskultas, ĉu la preludo malfermas pordon, ĉu la strofo enkondukas homon, ĉu la rekantaĵo vere atingas alian emocian nivelon, kaj ĉu la fino donas lokon al tio, kio okazis. Malrapideco forprenas de verko la ŝancon kaŝi siajn mankojn.
Kapti atenton kaj konservi homon estas du malsamaj laboroj
En la epoko de mallongaj filmetoj, efika melodia momento povas haltigi rulantan fingron post kelkaj sekundoj. Mi studas tiajn momentojn ne por kopii melodion, sed por kompreni ilian emocian gramatikon: kial vorto falas ĝuste sur tiu noto, kaj kial la sekva frazo ŝajnas jam atendata antaŭ ol ĝi alvenas.
Bona hoko povas esti kvieta. Ĝi ofte sonas kiel frazo, kiun la aŭskultanto jam portis interne. Sed hoko nur invitas. Plena strukturo, voĉa karaktero kaj emocia arko decidas, ĉu oni restos. Disvastigo povas komenciĝi per mallonga momento; la verko mem ne rajtas esti reduktita al efiko.
Ĉu mi volos aŭdi ĝin ankoraŭfoje en la aŭto?
Mia plej utila kriterio estas intence ĉiutaga. Ĉu mi povas kunkanti sen rigardi la tekston? Kiam la rekantaĵo venas dum veturado, ĉu mi iom plialtigas la laŭtecon? Post la lasta tono, ĉu la du sekundoj da silento instigas min premi ripeton?
Muziko ne finiĝas en parametrotabelo. Ĝi finiĝas en la vivo de iu, kiu veturas, kuiras, funebras, memoras aŭ ne povas dormi. Eniri ordinaran vivon estas pli grava ol aspekti impona dum la unua aŭskulto. Kanto meritas resti, kiam ĝi fariĝas uzebla por sento.
Senfina generado ne nuligis kreadon
Suno grandigis la kampon de ebleco. Rapido, sonkoloro, lingvo, humoro kaj formo povas tre rapide fariĝi aŭdeblaj proponoj. Antaŭe la plej malfacila paŝo ofte estis igi ideon soni. Nun la pli malfacila laboro estas scii, kion oni volas meze de inundo de sonoj.
Sistemo povas liveri multajn versiojn, sed ĝi ne povas decidi, kiu meritas resti. Komparo, rifuzo, atendado, reveno, refarado kaj la fina decido ne plu kompromisi pri unu aparta versio—tiuj agoj transformas produktaĵon en verkon. Generado estas la komenca movo, ne la tuta aŭtoreco.
Alia voĉo ne estas nur alia vestaĵo
La sama teksto en alia registro aŭ aranĝo povas fariĝi alia persono. Intima voĉo povas perdi sian karakteron en larĝekrana orkestro; alia kantisto povas soni ordinare en sekura popkanto kaj subite fariĝi rekonebla kiam lingvo, forto kaj drama spaco konvenas al li.
Tial multaj versioj estas eksperimentoj pri juĝo, ne metodo por ŝveligi katalogon. La demando ne estas nur kiu estas plej bona, sed kiu kantas, al kiu, kaj en kia mondo. Foje kanto bezonas plurajn malĝustajn identecojn antaŭ ol ĝia vera kantisto aperas.
Virtuala kantisto ne estas antaŭagordita sonkoloro
Weiyang Sound organizas dek du ĉefajn virtualajn kantistojn: Lingwan, Mary, Lin Juyi, Cyber, Male Slow, Bollywood Male, Hollywood Female, Breathy Female, Bajiao, Mediterranean Male, Forever Female kaj Dai Amei. Ili estas daŭraj voĉaj vojoj, kies identeco devas elteni plurajn kantojn, lingvojn kaj aranĝojn.
Cyber estas klara vira tenoro, ne ‘cibera stilo’. Roko estas stilo, ne kantisto. Kiam kantisto, registro kaj ĝenro restas apartaj, rolulo povas kreski. Nomo komencas la fikcion; ripetataj kaj koheraj muzikaj elektoj igas la prezentiston rekonebla.
Klasika poezio ne devas vivi nur en lernolibroj
Ĉinaj malrapidaj kantoj nature rekondukis min al Tang-poezio, song-dinastiaj lirikaĵoj, Yuan-dramo kaj La Ruĝa Ĉambro. Antaŭ ol ili fariĝis klasikaĵoj, tiuj tekstoj estis homaj voĉoj: hejmsopiro, disiĝo, amo, malvenko kaj la sento vekita de rivero, lotuso, verdaj montoj aŭ falantaj floroj.
Mi ne volas ĉirkaŭvolvi malnovan poemon per ornama ‘antikva stilo’ kaj nomi la laboron finita. La vera demando estas, ĉu hodiaŭa aŭskultanto unue povas esti tuŝita de la melodio kaj poste deziri scii, de kie venis la vortoj. Klasika sento bezonas proporcion kaj spinon, ne magazenon da tuj rekoneblaj simboloj.
Kultura kunfandiĝo estas pli ol ekzotika etikedo
La eksperimentoj moviĝas eksteren: angla, franca kaj Esperanto; ĉin-anglaj kantoj kaj plurlingvaj interplektoj; sudazia kinematografia melodio, mediteranea spaco, mondmuziko, Yeats, roluloj de La Ruĝa Ĉambro kaj nuntempaj ĉinaj malrapidaj kantoj. Ili povas renkontiĝi en unu sonkampo sen fariĝi unu deveno.
Vera renkontiĝo ne okazas per aldono de nekutima instrumento aŭ fremda loknomo. Ĉiu lingvo portas propran akcenton, buŝformon kaj emocian temperaturon; ĉiu muzika tradicio portas strukturajn memorojn. Ponto estas kredinda kiam ambaŭ bordoj ankoraŭ povas esti nomitaj.
La teksto uzata por generado ne ĉiam estas la teksto publikigenda
Por helpi sistemon ĝuste prononci plursencan ĉinan ideogramon, fremdan vorton aŭ klasikan frazon, produktado foje bezonas fonetike pli sekuran laborversion. Tiu versio estas ilo. Ĝi ne estas la oficiala kantoteksto. Publikaj tekstoj, subtitoloj kaj citaĵoj devas reveni al la kontrolita skribo.
Unu malĝusta signo, subtitolo malkongrua kun la voĉo aŭ ligilo al la malĝusta samnoma versio povas difekti la identecon de verko. Respekto al aŭskultanto ofte aperas en senbrilaj kontroloj: titolo, kantisto, kompleta dosiero kaj vortoj sur la ekrano.
Muzikfilmo estas dua ago de komponado
Post la fino de kanto, movbildo ne estas hazarda pakaĵo. Rolulo, epoko, koloro, ritmo de tranĉoj kaj tempo de subtitoloj devas esti denove komponitaj laŭ la plena emocia arko. Malrapida muziko aparte ne bezonas novan eventon en ĉiu sekundo; rigardo, falanta floro aŭ fenestro povas resti iom pli longe.
Vertikala filmo ankaŭ ne estas nur platforma kompromiso. Ĝi povas fariĝi mallarĝa kaj alta fenestro, kiu alproksimigas solan figuron. La formato rajtas adaptiĝi por disvastigo; la identeco kaj emocia daŭro de la verko ne rajtas hazarde malaperi.
Kion instruis al mi la kanto, kiu ĉesis tro frue
Frua versio de la retejo metis 45-sekundan sondosieron en ludilon. Ĝuste kiam la melodio enportis la aŭskultanton, ĝi haltis. La seniluziiĝo estis prava. Enirejo estis prezentita kvazaŭ ĝi estus la verko mem.
La regulo nun estas simpla: surloka ludilo servas kompletan, kontrolitan MP3 aŭ muzikfilmon. Se plena dosiero ne estas konfirmita, la retejo montras honestan fontan pordon anstataŭ falsa ludbutono. Fino ne estas resta tempo; ĝi estas la loko, kie emocio surteriĝas.
Matura sistemo devas scii, kion ĝi ne rajtas diveni
Dum la katalogo kreskas, aŭtomatigo estas necesa por organizi rekordojn, kompari versiojn kaj adapti materialon al kanaloj. Sed se ĝi kunligas la malĝustan samnoman version, komencas sondosieron ĉe la malĝusta loko aŭ atribuas fremdan bildan identecon, rapideco fariĝas bruo.
Mia principo estas moviĝi per malgrandaj, kontrolitaj serioj kaj kontroli ĉiun publikan aserton. Kiam identeco restas ambigua, paŭzo estas pli honesta ol bela paĝo plenigita per konjekto. Ilo devas plivastigi homan juĝon, ne preteriri ĝin.
AI estas la instrumento; sento kaj respondeco restas homaj
Mi ne volas, ke Weiyang Sound fariĝu magazeno fanfaronanta pri la nombro de generitaj aĵoj. Mi volas muzikan domon, en kiun oni povas malrapide eniri. Iu venas pro ĉina malrapida kanto; alia pro Yeats, Esperanto, franca kanto aŭ sudazia kinematografia melodio; alia unue rekonas unu virtualan kantiston kaj poste sekvas tiun voĉon tra tuta serio.
AI donis al mi senprecedencan orkestron kaj preskaŭ senfinajn vojforkojn. La homa laboro estas scii kial ni ekiris, respondeci pri ĉiu elekto kaj demandi post la unua ekscito: ĉu ĉi tiu kanto povas akompani unu homon iom pli longe? Se jes, la eksperimento ne plu estas teknologia demonstraĵo. Ĝi estas serĉo por kantoj, kiujn hodiaŭaj homoj povas kanti, memori kaj voli aŭdi ĝis la fino.
Sur kio baziĝas ĉi tiu rakonto
Ĉi tiu Esperanto-eldono sekvas la 14-partan ĉinan originalon kaj ĝian kompletan anglan eldonon. Ĝi baziĝas sur la publika katalogo de Weiyang Sound, la dek du registritaj virtualaj kantistoj, la kompleta aŭskultmodelo kaj la dokumentita 45-sekunda reteja eraro. La Esperanto-redakto konservas la krean unuan personon de William Lee kaj ankoraŭ atendas sendependan revizion de flua Esperanto-redaktoro.
