Dlaczego utwory z AI brzmią tanio — i jak to naprawić

Niewygodny eksperyment: puść surowy eksport z Suno komukolwiek — dziecku, babci, przypadkowej osobie w autobusie. Większość z nich w kilka sekund stwierdzi, że to „jedna z tych piosenek z AI”. Nie dlatego, że są audiofilami — większość z nich nie odróżni kompresora od młynka do kawy. Słyszą to, bo pewnych rzeczy po prostu nie ma w pliku — a ludzkie ucho jest irytująco dobre w wyłapywaniu braków.

W poprzednim artykule masterowaliśmy utwór z Suno na Spotify i uczciwie ostrzegłem: czasem mastering nie jest w stanie go uratować. Dziś sequel — otwieramy utwór, rozkładamy go na części i wymieniamy słabe organy. Chirurgia, nie kosmetyka. Wszystko poniżej pochodzi z moich prawdziwych sesji, ze zrzutami ekranu.

Mastering pracuje na gotowym pliku stereo. Potrafi wyrównać, dociążyć, rozjaśnić i podgłośnić — ale nie potrafi wymyślić transjentu stopy, który nigdy nie został wygenerowany. Podbicie EQ na 18 kHz tam, gdzie generator przestał renderować, nie tworzy „powietrza” — tworzy głośniejsze nic.

Ostatnio porównałem mastering słabej generacji do polerowania auta z zepsutym silnikiem. Ten artykuł to naprawa silnika. Jeśli nie znałeś części pierwszej, zacznij od niej — połowa problemów rozwiązuje się na etapie masteringu, tanio. Ale jeśli Twój porządnie zmasterowany utwór nadal brzmi jak plastikowe demo obok komercyjnego wydania — witaj w głębokiej restauracji.

Modele dyfuzyjne nie nagrywają instrumentów — malują jeden wielki obraz całego miksu naraz. Tam, gdzie elementy się nakładają, zjadają się nawzajem. Dlatego każda surowa generacja ma te same cztery znaki szczególne:

Im lepszy system odsłuchowy, tym głośniej te problemy krzyczą. I tu strategiczny wniosek, na którym opiera się cały plan: perkusja to najbardziej szerokopasmowy instrument w miksie — stopa w dole, werbel w środku, blachy na górze. Podmień perkusję na prawdziwą, a jednym ruchem zamaskujesz większość artefaktów w całym paśmie. Dlatego zaczynamy właśnie od niej.

Najpierw utwór musi stać się ścieżkami. Darmowe narzędzie do tego zadania to UVR5 (Ultimate Vocal Remover). Wrzuć plik, wybierz Demucs jako metodę przetwarzania — i nie zadowalaj się domyślnymi modelami. Otwórz listę, kliknij Download More Models i w Download Center pobierz htdemucs_ft — dopracowany model od Mety, wyraźnie czystszy od fabrycznych. Zaznacz All Stems, wciśnij Start Processing:

Na wyjściu dostajesz cztery stemy: wokal, perkusję, bas i całą resztę. Do podmiany perkusji warto zejść poziom niżej i rozdzielić stem perkusyjny na stopę, werbel, haty i blachy — rebitapp.com robi to automatycznie. Tak wygląda w pełni rozłożona sesja w moim Studio One:

Stopa idzie pierwsza. Wtyczka-trigger — u mnie apTrigga 3, SPL DrumXchanger też da radę — słucha stemu stopy, wykrywa każde uderzenie i odpala czysty sampel dokładnie w tych samych miejscach. Stopa z AI ze zjedzonym transjentem zostaje zastąpiona prawdziwą, a groove nie przesuwa się ani o milimetr:

O naturalności decydują dwa ustawienia. Wybierz sampel bliski oryginałowi — ulepszasz stopę, a nie zmieniasz gatunek. I zjedź z dynamiką do 40–50%, żeby ciche uderzenia zostały ciche i wykonanie dalej oddychało. Werbel: ta sama operacja, druga zwrotka.

Hi-haty to największy kapuś w każdym utworze z AI. Są dwie drogi. Jeśli sama partia jest przyzwoita, brakującą górę można odbudować, dokladając warstwę białego szumu do każdego uderzenia — detektor-syntezator typu Klevgrand Fosfat śledzi haty i dokleja precyzyjnie uformowany impuls szumu. 'Powietrze', którego nigdy nie wygenerowano, powstaje od zera:

A jeśli partia jest beznadziejna — rozmyta, sykliwa, rytmicznie pijana — nie reanimuj jej. Zagraj ją od nowa w dowolnym samplerze perkusyjnym z lekko zróżnicowanymi velocity. Zajmuje to dziesięć minut i zwykle brzmi lepiej, niż oryginał kiedykolwiek brzmiał.

Włącz solo na wyseparowanym stemie basu, a usłyszysz zwykle coś w rodzaju kontrabasu mamroczącego zza ściany. Dobra wiadomość: linie basu z AI są prawie zawsze proste. Spisz partię do MIDI ze słuchu — nawet wklikanie jej nuta po nucie zajmuje minuty, nie godziny — i oddaj ją porządnemu instrumentowi basowemu. Ja często sięgam po EZbass:

Różnica jest natychmiastowa i brutalna: nagle na 50–100 Hz są prawdziwe nuty zamiast ciepłej mgły. Stopa i bas w końcu podają sobie ręce, zamiast siłować się w błocie.

Wokalu z AI nie da się przenagrać (to znaczy — da się, i to najlepszy możliwy upgrade, ale to inny budżet). Da się za to oddzielić głos od piasku. Mój sprawdzony ruch: podziel wokal w okolicy 9 kHz. Poniżej tej linii mieszka prawdziwy głos — ciało, obecność, spółgłoski. Powyżej, w wokalu z AI, mieszka głównie szum generacji: połyskliwy syk, który krzyczy 'syntetyczne'.

Dolną połowę traktuj jak normalny wokal: czyść, de-essuj, koryguj. Górną — wytnij i odbuduj powietrze delikatnym exciterem albo przefiltrowaną warstwą szumu, ta sama filozofia co przy hi-hatach. Głos zachowuje charakter; plastikowa powłoka schodzi.

Po całym tym czyszczeniu utwór zabrzmi dziwnie sucho — oryginalna przestrzeń była wtopiona w generację, a my właśnie większość z niej zeszlifowaliśmy. Oprzyj się pokusie naprawienia tego jednym wielkim pogłosem — tak właśnie znowu powstaje render. Prawdziwe produkcje używają dwóch przestrzeni o dwóch zadaniach: krótki ambience (mały pokój, 0,3–0,5 s), który daje elementom ciało, i dłuższy ogon (plate albo hala, 2–3 s), który daje utworowi głębię. Oba na sendach, wmieszane pod sygnał suchy:

I teraz część, którą prawie wszyscy pomijają: automatyzuj sendy. Suchsza zwrotka, szerszy refren, odrobina dłuższego ogona na ostatnim słowie przed dropem. Ruch to właśnie to, co brzmi 'żywo' — statyczny pogłos to po prostu kolejny sposób, żeby brzmieć jak generacja.

Od tego momentu to normalna sesja miksu. Zbalansuj nową perkusję i bas z ocalałymi stemami, sklej szynę miksu lekkim kompresorem (1–2 dB redukcji, wolny atak) i zmasteruj — dokładny łańcuch, cele LUFS i ustawienia limitera znajdziesz w części pierwszej. A potem uczciwy test: porównaj wynik z surową generacją przy wyrównanej głośności. Ta sama piosenka — inna liga.

Kontrola czasu, bez lukru: dla kogoś, kto robi to co tydzień, głęboka restauracja to kilka godzin na utwór. Za pierwszym razem zejdzie Ci weekend i to jest normalne — nie jesteś wolny, po prostu uczysz się produkcji na utworze, który już kochasz. Szczerze mówiąc, tańszej szkoły muzycznej nie znajdziesz.