idle() the music of ipe()

No. 3· behind-the-music

Wie ein KI-Lo-Fi-Song entsteht

Wie ein idle()-KI-Lo-Fi-Song vom Text zur Veröffentlichung kommt: wer was übergibt, wo wir prüfen und wie wir offen sagen, dass er mit KI gemacht ist.

AI Dieser Beitrag ist eine KI-Übersetzung. Original lesen (English)

Das Albumcover: ein Latte, der eingegossen wird, mit den Worten dear(you); vol.1, dear you und einer koreanischen Zeile, die „für dich, der du auch heute durchgehalten hast“ bedeutet

Das Cover von dear(you); vol.1. Die zehn Songs darauf sind nach der unten beschriebenen Reihenfolge entstanden.

Ist dieses Lo-Fi von KI gemacht? Ja, mit Suno. Hier sind die fünf Übergaben vom Text bis zur Veröffentlichung und die Stelle, an der ein Mensch eingreift. Manchmal werden wir gefragt, wie ein idle()-Song gemacht wird. Die Antwort in einer Zeile lautet „mit KI“, aber in dieser Zeile stecken mehr Übergaben und Prüfungen, als man vermuten würde. Dieser Beitrag geht die Produktionsreihenfolge durch, die wir uns gesetzt haben, vom ersten Text bis zur Veröffentlichung. Er beschreibt ein Verfahren, das wir aufgeschrieben haben, und bedeutet daher nicht, dass jeder Song es ohne die kleinste Abweichung durchlaufen hat.

Zuerst der wichtigste Satz. Die Musik wird mit KI (Suno) produziert. Die Texte werden von einer KI entworfen und von einem Menschen geprüft. Der Rest dieses Beitrags erklärt im Grunde, wie dieser Satz als tatsächliche Arbeit aussieht.

Fünf Übergaben

Ein Diagramm mit fünf durch Pfeile verbundenen Stufen: Text, Musik, Visual, Prüfung und Veröffentlichung, jeweils mit der zuständigen Rolle und dem, was sie erzeugt. Die Stufe Prüfung ist golden umrandet

Die fünf Stufen, die ein Song durchläuft. Die vierte, die Prüfung, ist eine Schranke, die sich nicht überspringen lässt.

Ein Song durchläuft fünf Stufen: Text, Musik, Visual, Prüfung und Veröffentlichung. Die nächste Stufe beginnt erst, wenn die vorige abgeschlossen ist, und bei jedem Schritt wechselt die zuständige Person. Jeden Wechsel nennen wir eine Übergabe, und in diesem Beitrag zählen wir auch die Planung mit, die dem ersten Text vorausgeht. Eine Übergabe besteht aus Dateien und Status, nicht aus Gesprächen. Wenn die Person, die für den Text zuständig ist, die Songdatei fertigstellt und ihren Status auf „Komposition angefragt“ setzt, liest die für die Musik zuständige Person diese Datei und beginnt zu arbeiten. Weil immer festgehalten ist, wer welche Datei in welchem Zustand übergeben hat, geht auf dem Weg kein Kontext verloren.

Auch die Status, die ein Song durchläuft, sind festgelegt. Ein neuer Text ist ein „Entwurf“. Solange sein Ton und sein emotionaler Verlauf geformt werden, ist er „in Feinarbeit“. Die Übergabe an die Musik macht ihn zu „Komposition angefragt“, die Erzeugung des Audios zu „in Komposition“, und erst nach bestandener Prüfung wird er „veröffentlicht“. Ein Blick auf diese Tafel verrät, in wessen Händen ein Song gerade liegt.

Stufe 0: Planung, denn das Album kommt vor dem Song

Der erste Schritt betrifft eigentlich das Album, nicht den Song. Zuerst werden das Konzept, die Reihenfolge der Tracks und der Fluss der Gefühle gezeichnet. Für dear(you); vol.1 wurden zuerst ein Konzept („zehn Briefe an dich, der du einen weiteren schweren Tag durchgestanden hast“) und ein Bogen aus zehn Gefühlen festgelegt (Mitgefühl, Verständnis, Angst, Beruhigung, Ruhe, Verbundenheit, Dankbarkeit, Anerkennung, Hoffnung, Gelassenheit), und jeder Song bekam seinen Platz auf diesem Bogen, bevor er die Textstufe erreichte. Ein Song beginnt als ein Platz in einem Album statt als eigenständiges Stück, und das ist unserer Meinung nach ein Teil des Grundes, warum sich unsere Songs im Aufbau ähneln.

Stufe 1: Text, ein Song in zwei Fassungen

Das Ergebnis der Textstufe ist eine Songdatei. Sie enthält das Thema, die Stimmung, die Geschichte und den Text in zwei Fassungen: eine mit Koreanisch als Hauptsprache und eine mit Englisch. Die koreanische Seite ist das Original, und die englische Seite wird als Adaption geschrieben, die Ton und Gefühl überträgt statt Wörter. Wenn die wörtliche Übersetzung einer KI unverändert gesungen wird, zerbrechen Rhythmus und Emotion, und die Qualität des Songs sinkt.

Die Fassung mit Englisch als Hauptsprache wird von einer weiblichen Stimme auf Englisch gesungen, mit koreanischem Flüstern; die Fassung mit Koreanisch als Hauptsprache wird von einer männlichen Stimme auf Koreanisch gesungen, mit englischem Flüstern. Beide enden mit der geflüsterten Zeile ipe. be still

Die Regel für die zwei Fassungen: Jede Fassung wird in einer Sprache gesungen, die andere Sprache erscheint nur als Flüstern.

Das Prinzip passt in eine Zeile: Die gesungene Sprache bleibt innerhalb einer Fassung fest, und die Übersetzung wird als Untertitel geliefert. Das heißt, wir zwängen keine wörtliche Übersetzung in eine Melodie. Die andere Sprache kommt nur als kurzes Flüstern hinzu, sodass die englische Fassung ein oder zwei koreanische Wörter trägt und die koreanische Fassung ein englisches. Diese Flüstern sind die Naht, die beide Fassungen als einen Song zusammenhält.

Eine Sache muss die Textstufe noch erledigen: „ipe. be still“ ganz ans Ende des Songs setzen. Es ist ein Flüstern in einem Atemzug, fest auf Englisch, und jeder Song seit dear(you); endet damit. Die Textdatei gilt erst als fertig und kann erst an die Musik übergeben werden, wenn diese Signatur enthalten ist.

Stufe 2: Musik, von Worten zu Klang

Die Musikseite nimmt die Textdatei und baut ein Produktionspaket. Das Paket enthält den gesungenen Text jeder Fassung und einen Stil-Prompt: eine schriftliche Beschreibung von Genre, Instrumenten, dem Charakter der Stimme und der Textur des Mixes. Der erste Song des Albums ist zum Beispiel als Ambient-Lo-Fi mit sanftem Klavier, warmer Gitarre, weichen Pads, Vinylrauschen und leichter Regenatmosphäre aufgeführt, mit einer süßen weiblichen Stimme für die englische Fassung und einer sanften männlichen Stimme für die koreanische.

Mit diesem Paket werden Audio und Gesang mit Suno erzeugt, einem KI-Musikwerkzeug. Eine einzelne Generierung liefert selten genau das, was wir wollen, also werden mehrere probiert und eine bestätigt. Die bestätigte Fassung wird zum Song. Wenn ein Song Untertitel für das Video bekommt, muss die Untertiteldatei aus dieser bestätigten Fassung stammen, weil sich das Timing mit jeder Generierung ändert. Diese Regel steht in unserem Verfahren.

Hier kommt die Übersetzung ins Spiel, als Untertitel. Auf YouTube gibt es zwei Arten: Untertitel, die der Zuschauer einschaltet, und Text, der ins Bild eingebrannt ist. Eine automatische Synchronisierung ist für koreanische Texte nicht verfügbar, daher muss eine Untertiteldatei von Hand hochgeladen werden, und ein Song, dessen Worte wir hervorheben wollen, kann zu einem Lyric-Video mit eingebranntem Text gemacht werden. Jede Sprache bekommt ein eigenes Cover und eine eigene Untertiteldatei.

Stufe 3: Visual, dem Klang ein Gesicht geben

Sobald das Audio bestätigt ist, erstellt die Visual-Seite das Cover, das YouTube-Vorschaubild und, wenn nötig, einen Schleifenhintergrund für das Video. Ihre Eingaben sind das Konzept des Songs, das Audio und der Ton der Tageszeit, zu der der Song gehört. Staffel 1 teilt einen Tag in vier Alben (Nacht, Morgendämmerung, Vormittag und Abend), sodass Songs auf demselben Album die Farben einer Tageszeit teilen.

Einige visuelle Regeln stehen fest. Die Palette dreht sich um tiefes Marineblau, warmes Gold, Salbeigrün und Creme, und für die Schrift wird eine Monospace-Schrift verwendet, die an einen Code-Editor erinnert. Auf einem Cover steht Englisch vorn und Koreanisch als unterstützende Zeile. Sieh dir das Cover des ersten Songs an, und du siehst den englischen Titel groß gesetzt und darunter den koreanischen Titel.

Stufe 4: Prüfung, eine Schranke, die sich nicht überspringen lässt

Wenn Text, Audio, Cover, Vorschaubild und die Release-Karte auf dieser Seite alle bereit sind, öffnet sich die Prüfung kurz vor der Veröffentlichung. Diese Schranke lässt sich nicht überspringen. Sie hat zwei Augenpaare. Das eine blickt auf Qualität und Risiko: Klingt es sauber, stimmen Sprache und Stimme im Audio mit dem Text überein (weibliche Stimme für die englische Fassung, männliche für die koreanische), passen Gefühl und Reihenfolge der Tracks zum Albumplan, gibt es Urheberrechtsrisiken wie KI-Kennzeichnung oder Plagiat, und sind Links und Metadaten korrekt. Das andere blickt auf die Marke: Palette, Schrift, einen Ton, den wir als Stille vor dem Lärm beschreiben, und die Sprachhierarchie auf dem Cover.

Einige Punkte sind harte Stopps. Steht „ipe. be still“ ganz am Ende? Wird die Sprachhierarchie auf Cover und Vorschaubild eingehalten? Stimmen Links und Sprachen auf der Release-Karte der Seite? Fehlt die Signatur, wird der Song zurückgeschickt, korrigiert und erneut geprüft. Die prüfende Person weist nur auf Probleme hin und schreibt den Text nicht um. Das Korrigieren gehört dem, der ihn gemacht hat. Die Person, die prüft, von der zu trennen, die etwas gemacht hat, ist der Kern dieser Schranke.

Stufe 5: Veröffentlichung, hochladen, verbinden, festhalten

Nach der Prüfung lädt die Musikseite auf YouTube hoch und kümmert sich, bei Songs, die es brauchen, um die Verteilung an Streamingdienste. Zum Upload gehört die Kontrolle der Kennzeichnung, dass der Inhalt mit KI gemacht wurde. Dann wird der Status des Songs zu „veröffentlicht“, die YouTube-Links werden auf der Song-Tafel eingetragen, und die Release-Karte auf dieser Seite sowie die Übersichtsdokumente werden aktualisiert. Ein Song kann fertig aussehen und doch noch eine Aufgabe offen haben: zu prüfen, ob seine Links an jeder Stelle, an der sie vorkommen, übereinstimmen.

Die Veröffentlichungsmethode ist von Anfang an ein Hybrid: Singles erscheinen einzeln, um den Kanal in Bewegung zu halten, und wenn eine Serie genug Songs hat, werden sie zu einem Album zusammengefasst. Alle zehn Songs von dear(you); vol.1 sind auf YouTube in einer englischen und einer koreanischen Fassung. Ein langes Video des vollständigen Albums, um das ganze Album am Stück zu hören, ist ebenfalls auf YouTube.

Warum wir „mit KI gemacht“ nach vorn stellen

Die Frage, die wir am häufigsten bekommen, ist letztlich eine einzige: Warum zeigen, dass es nicht von Hand gemacht wurde? Unsere Antwort ist einfach. Es gibt nichts zu verbergen, und nicht zu verbergen ist der Ansatz, der trägt. Den Gesang mit KI zu erzeugen, steht in unseren Arbeitsprinzipien als Standardoption, und ein Grund dafür ist, dass es zur Markenidee passt, die KI-Produktion offen zu machen. Was Menschen tun, ist die Richtung vorzugeben, dann den Entwurf zu lesen, zu prüfen und auszuwählen. Was die KI tut, ist, schnell Entwürfe und Klang zu erzeugen. Wir verwischen die beiden nicht miteinander. Wir schreiben auf, was jede Seite übernimmt, und das ist unser Versprechen.

Anhören

Die zehn Songs von dear(you); vol.1, gemacht nach der oben beschriebenen Reihenfolge. Jeder ist auf YouTube in einer englischen und einer koreanischen Fassung.

Der ganze Kanal ist unter YouTube ipe-rest zu finden.

Wir hoffen, dass dir beim nächsten Song, den du hörst, ein bisschen mehr auffällt. Hinter der geflüsterten Zeile ganz am Ende liegen zwischen einem Text und einer Veröffentlichung fünf Stufen und eine Schranke, die sich nicht überspringen lässt. Hören kannst du auf der idle()-Startseite.