Dati, Dati, Dati

Come costruire cose fantastiche, legalmente!

Una delle prime domande che ci viene sempre posta quando diciamo che stiamo costruendo uno strumento di musica generativa con l'IA è: "Quindi, da dove state rubando i vostri dati?" Anche se sembra buon senso ai giorni nostri, le persone ancora non capiscono l'importanza di avere dati impeccabilmente puliti. Con l'aumento delle grandi cause legali tra Suno, Udio e le principali case discografiche, questo argomento è diventato davvero interessante per tutti coloro che si preoccupano per l'industria musicale e i diritti degli artisti. Il nostro punto di vista è molto chiaro: se lo crei, è tuo! Ma questo chiaramente non è il modo in cui molti altri nel settore la pensano.

Quando abbiamo deciso che era tempo di concludere la nostra ricerca di mercato e iniziare a lavorare sul serio, la prima cosa che abbiamo deciso di affrontare erano i DATI. Sapevamo che questa sarebbe stata una delle sfide più grandi del nostro percorso, ma abbiamo anche riconosciuto la lotta come un'opportunità per differenziarci da altri strumenti. Se potessimo davvero prenderci il tempo di curare il dataset perfetto — un dataset che solo noi possediamo — potremmo addestrare modelli che nessun altro al mondo potrebbe replicare. Ed è esattamente quello che abbiamo fatto. Abbiamo deciso che il nostro primo modello dovesse essere uno strumento di generazione di kick drum, giustamente intitolato "Just 4 Kicks", e ci siamo messi immediatamente al lavoro.

Our first few pieces of training data - live recordings trimmed in Bitwig.

Le settimane successive sono state fatte di lunghe notti incollati a drum machine e schermi di computer. Ho iniziato con tutta l'hardware che io e i miei amici possediamo. Collegavo una macchina alla mia interfaccia, impostavo un semplice loop di kick in 4x4 e iniziavo a registrare. Giocando con diverse modulazioni, effetti e impostazioni, sono riuscito a ricavare circa 1.000 kick drum. Andando direttamente dall'hardware alla DAW, ho rifilato ogni sample, quindi ho applicato un'altra serie di effetti e trasformazioni sui suoni per quadruplicare il mio dataset. Già in quel momento, ho realizzato di essere seduto sul nostro forziere del tesoro.

Ho poi eseguito le stesse operazioni con i plugin di batteria che possiedo e che consentono l'uso secondario dei dati. Di nuovo ho creato, rifilato e trasformato i campioni per ottenere altri 2.000 kick drum. Ma il mio fidato amico e mago del machine learning, Henning, mi ha ricordato che avevamo bisogno di molto più di 6.000 punti dati per avviare il processo. Quindi, obtorto collo, sono andato su internet. Per l'ultimo spunto nella ricerca di kick drum, ho setacciato tutte le librerie di suoni open-source esistenti alla ricerca di suoni di alta qualità e liberi da copyright. A quel punto devo aver ascoltato circa 15.000 kick drum, finché non mi sono fermato, ho preso quello che avevo trovato nella mia DAW e ho iniziato il processo di rifinitura e trasformazione.

Complessivamente, tutta questa esperienza mi ha portato via qualche giorno, ma non ho zero rimpianti. Ora che abbiamo usato questo dataset di oltre 9.000 kick per addestrare i nostri primi workflow ML end-to-end, mi ricordo dell'importanza dei dati e del perché così tante persone prendono scorciatoie. Detto questo, se prendi sul serio quello che stai costruendo e vuoi costruire qualcosa che non sia solo veramente utile, ma anche equo, etico e legale, trattare i tuoi dati con amore e rispetto dovrebbe sempre essere il passo numero 1.

Sfogo finito. Grazie ancora per aver ascoltato queste parole e per avermi dato uno sfogo più economico del mio terapeuta :)

Come sempre — sentiti libero di contattarci!

— Max (max@just4noise.com)