AI लो-फ़ाई गीत कैसे बनता है

dear(you); vol.1 का कवर। इसके दसों गीत नीचे बताए गए क्रम के अनुसार बनाए गए थे।

क्या यह लो-फ़ाई AI से बना है? हाँ, Suno से। यहाँ बोलों से रिलीज़ तक के पाँच हैंड-ऑफ़ हैं, और वह जगह भी जहाँ एक इंसान आता है। हमसे कभी-कभी पूछा जाता है कि idle() का गीत कैसे बनता है। एक पंक्ति का जवाब है «AI से», लेकिन उस एक पंक्ति के भीतर आपकी सोच से कहीं ज़्यादा हैंड-ऑफ़ और जाँचें हैं। यह लेख उस निर्माण-क्रम से गुज़रता है जो हमने अपने लिए तय किया है, पहले बोल से लेकर रिलीज़ तक। यह एक ऐसी प्रक्रिया का वर्णन है जिसे हमने लिख रखा है, इसलिए इसका यह मतलब नहीं कि हर गीत बिना किसी भी अपवाद के इससे होकर गुज़रा।

पहले वह वाक्य जो सबसे ज़रूरी है। संगीत AI (Suno) से बनाया जाता है। बोलों का मसौदा AI तैयार करता है और एक व्यक्ति उसकी समीक्षा करता है। इस लेख का बाक़ी हिस्सा दरअसल इसी बात की व्याख्या है कि यह वाक्य असली काम के रूप में कैसा दिखता है।

पाँच हैंड-ऑफ़

वे पाँच चरण जिनसे एक गीत गुज़रता है। चौथा, समीक्षा, एक ऐसा द्वार है जिसे लाँघा नहीं जा सकता।

एक गीत पाँच चरणों से गुज़रता है: बोल, संगीत, विज़ुअल, समीक्षा और रिलीज़। अगला चरण तभी शुरू होता है जब पिछला पूरा हो जाए, और हर क़दम पर ज़िम्मेदार व्यक्ति बदल जाता है। हम हर बदलाव को हैंड-ऑफ़ कहते हैं, और इस लेख में हम पहले बोल से पहले की योजना को भी गिनते हैं। हैंड-ऑफ़ फ़ाइलों और स्थितियों से बनता है, बातचीत से नहीं। जब बोलों के ज़िम्मेदार व्यक्ति गीत की फ़ाइल पूरी करके उसकी स्थिति «संगीत-रचना का अनुरोध» पर रखते हैं, तो संगीत के ज़िम्मेदार व्यक्ति वह फ़ाइल पढ़कर काम शुरू करते हैं। क्योंकि किसने कौन-सी फ़ाइल किस स्थिति में सौंपी, यह हमेशा दर्ज रहता है, इसलिए रास्ते में संदर्भ खोता नहीं।

गीत जिन स्थितियों से गुज़रता है, वे भी तय हैं। नया बोल «मसौदा» होता है। जब तक उसका स्वर और भावनात्मक प्रवाह गढ़ा जा रहा है, वह «परिष्कार जारी» है। संगीत को सौंपने पर वह «संगीत-रचना का अनुरोध» बन जाता है, ऑडियो बनते समय «रचना जारी», और समीक्षा पास करने के बाद ही वह «रिलीज़ हुआ» बनता है। इस बोर्ड पर एक नज़र डालते ही पता चल जाता है कि गीत अभी किसके हाथों में है।

चरण 0: योजना, क्योंकि गीत से पहले एल्बम आता है

पहला क़दम असल में एल्बम के बारे में है, गीत के बारे में नहीं। सबसे पहले अवधारणा, ट्रैकों का क्रम और भावनाओं का प्रवाह खींचा जाता है। dear(you); vol.1 के लिए पहले एक अवधारणा («तुम्हारे नाम दस चिट्ठियाँ, जिसने एक और कठिन दिन पार कर लिया») और दस भावनाओं का एक आर्क (सहानुभूति, समझ, डर, आश्वासन, विश्राम, जुड़ाव, कृतज्ञता, स्वीकृति, उम्मीद, शांति) तय किया गया, और बोलों के चरण तक पहुँचने से पहले हर गीत को उस आर्क पर उसकी जगह सौंपी गई। गीत किसी अकेली रचना के रूप में नहीं, एल्बम के एक खाने के रूप में शुरू होता है, और हमारा मानना है कि हमारे गीतों की बनावट का आपस में मिलना कुछ हद तक इसी कारण है।

चरण 1: बोल, एक गीत दो संस्करणों में

बोलों के चरण का उत्पाद एक गीत-फ़ाइल है। उसमें विषय, मूड, कहानी और बोल दो संस्करणों में होते हैं: एक जिसकी मुख्य भाषा कोरियाई है और एक जिसकी अंग्रेज़ी। कोरियाई पक्ष मूल है, और अंग्रेज़ी पक्ष ऐसे रूपांतर के रूप में लिखा जाता है जो शब्दों के बजाय स्वर और भाव को आगे ले जाता है। अगर AI का शाब्दिक अनुवाद जस का तस गाया जाए, तो लय और भाव टूट जाते हैं और गीत की गुणवत्ता गिर जाती है।

दो संस्करणों का नियम: हर संस्करण एक ही भाषा में गाया जाता है, और दूसरी भाषा केवल फुसफुसाहट के रूप में आती है।

यहाँ का सिद्धांत एक पंक्ति में समा जाता है: गाई जाने वाली भाषा एक संस्करण के भीतर स्थिर रहती है, और अनुवाद सबटाइटल के रूप में दिया जाता है। इसका मतलब है कि हम किसी शाब्दिक अनुवाद को ज़बरदस्ती धुन में नहीं ठूँसते। दूसरी भाषा केवल एक छोटी फुसफुसाहट के रूप में जोड़ी जाती है, इसलिए अंग्रेज़ी संस्करण में एक-दो कोरियाई शब्द आते हैं और कोरियाई संस्करण में एक अंग्रेज़ी शब्द। ये फुसफुसाहटें वह सिलाई हैं जो दोनों संस्करणों को एक गीत के रूप में थामे रखती हैं।

बोलों के चरण को एक काम और करना होता है: गीत के बिल्कुल अंत में «ipe. be still» रखना। यह एक साँस की फुसफुसाहट है, अंग्रेज़ी में स्थिर, और dear(you); के बाद का हर गीत इसी पर ख़त्म होता है। बोलों की फ़ाइल को तभी पूरा माना जाता है, और तभी संगीत को सौंपा जा सकता है, जब यह हस्ताक्षर जुड़ चुका हो।

चरण 2: संगीत, शब्दों से ध्वनि तक

संगीत वाला पक्ष बोलों की फ़ाइल लेकर एक निर्माण-पैकेज तैयार करता है। पैकेज में हर संस्करण के गाए जाने वाले बोल और एक स्टाइल प्रॉम्प्ट होता है: शैली, वाद्यों, आवाज़ के स्वभाव और मिक्स की बनावट का लिखित वर्णन। उदाहरण के लिए, एल्बम का पहला गीत एंबिएंट lo-fi के रूप में दर्ज है, जिसमें कोमल पियानो, गर्म गिटार, नरम पैड, विनाइल की खरखराहट और हल्की बारिश का माहौल है, और अंग्रेज़ी संस्करण के लिए मधुर महिला स्वर तथा कोरियाई संस्करण के लिए सौम्य पुरुष स्वर।

उस पैकेज से ऑडियो और स्वर Suno से तैयार किए जाते हैं, जो एक AI संगीत उपकरण है। एक ही बार का जनरेशन शायद ही कभी ठीक वही देता है जो हम चाहते हैं, इसलिए कई आज़माए जाते हैं और एक को पक्का किया जाता है। पक्का किया गया संस्करण ही गीत बन जाता है। जब किसी गीत के वीडियो के लिए सबटाइटल बनते हैं, तो सबटाइटल फ़ाइल उसी पक्के संस्करण से आनी चाहिए, क्योंकि हर जनरेशन के साथ टाइमिंग बदल जाती है। यह नियम हमारी प्रक्रिया में लिखा हुआ है।

अनुवाद यहीं सबटाइटल के रूप में दाख़िल होता है। YouTube पर ये दो तरह के होते हैं: कैप्शन जिन्हें दर्शक चालू करता है, और चित्र में जड़े हुए बोल। कोरियाई बोलों के लिए स्वचालित टाइमिंग उपलब्ध नहीं है, इसलिए सबटाइटल फ़ाइल हाथ से अपलोड करनी पड़ती है, और जिस गीत के शब्दों पर हम ज़ोर देना चाहते हैं उसे ऐसे लिरिक वीडियो में बदला जा सकता है जिसमें पाठ चित्र में जड़ा हो। हर भाषा का अपना कवर और अपनी सबटाइटल फ़ाइल होती है।

चरण 3: विज़ुअल, ध्वनि को एक चेहरा देना

ऑडियो पक्का होते ही विज़ुअल वाला पक्ष कवर, YouTube थंबनेल और ज़रूरत पड़ने पर वीडियो के लिए लूप होता हुआ बैकग्राउंड बनाता है। इसके इनपुट हैं गीत की अवधारणा, ऑडियो, और दिन के उस समय का स्वर जिससे गीत जुड़ा है। सीज़न 1 एक दिन को चार एल्बमों में बाँटता है (रात, भोर, सुबह और शाम), इसलिए एक ही एल्बम के गीत दिन के एक ही समय के रंग साझा करते हैं।

कुछ विज़ुअल नियम तय हैं। पैलेट गहरे नेवी, गर्म सुनहरे, सेज हरे और क्रीम के इर्द-गिर्द घूमता है, और अक्षरांकन में कोड एडिटर की याद दिलाने वाला मोनोस्पेस टाइपफ़ेस इस्तेमाल होता है। कवर पर अंग्रेज़ी प्रमुख होती है और कोरियाई सहायक पंक्ति। पहले गीत का कवर देखिए, आपको बड़े आकार में अंग्रेज़ी शीर्षक और उसके नीचे कोरियाई शीर्षक दिखेगा।

चरण 4: समीक्षा, एक ऐसा द्वार जिसे लाँघा नहीं जा सकता

जब बोल, ऑडियो, कवर, थंबनेल और इस साइट का रिलीज़ कार्ड सब तैयार हो जाते हैं, तो रिलीज़ से ठीक पहले समीक्षा खुलती है। इस द्वार को छोड़ा नहीं जा सकता। इसकी दो जोड़ी आँखें हैं। एक गुणवत्ता और जोखिम को देखती है: क्या ध्वनि साफ़ है, क्या ऑडियो की भाषा और आवाज़ बोलों से मेल खाती हैं (अंग्रेज़ी संस्करण के लिए महिला स्वर, कोरियाई के लिए पुरुष स्वर), क्या भाव और ट्रैक-क्रम एल्बम की योजना में बैठते हैं, क्या AI लेबलिंग या साहित्यिक चोरी जैसे कॉपीराइट जोखिम हैं, और क्या लिंक तथा मेटाडेटा सही हैं। दूसरी ब्रांड को देखती है: पैलेट, टाइपफ़ेस, एक ऐसा स्वर जिसे हम शोर से पहले की ख़ामोशी कहते हैं, और कवर पर भाषाओं का क्रम।

कुछ बिंदु अनिवार्य रोक हैं। क्या «ipe. be still» बिल्कुल अंत में है? क्या कवर और थंबनेल पर भाषाओं के क्रम का पालन हुआ है? क्या साइट के रिलीज़ कार्ड के लिंक और भाषाएँ मेल खाती हैं? अगर हस्ताक्षर ग़ायब है, तो गीत लौटा दिया जाता है, ठीक किया जाता है और दोबारा परखा जाता है। समीक्षक केवल समस्याएँ बताता है और बोल दोबारा नहीं लिखता। सुधारना उसी का काम है जिसने चीज़ बनाई। जाँचने वाले को बनाने वाले से अलग रखना ही इस द्वार का सार है।

चरण 5: रिलीज़, अपलोड करना, जोड़ना, दर्ज करना

समीक्षा के बाद संगीत वाला पक्ष YouTube पर अपलोड करता है और, जिन गीतों को ज़रूरत है, उनके लिए स्ट्रीमिंग सेवाओं पर वितरण सँभालता है। अपलोड वाले चरण में उस लेबल की जाँच भी शामिल है जो बताता है कि सामग्री AI से बनी है। फिर गीत की स्थिति «रिलीज़ हुआ» हो जाती है, YouTube लिंक गीतों के बोर्ड पर लिखे जाते हैं, और इस साइट का रिलीज़ कार्ड तथा सारांश दस्तावेज़ अपडेट किए जाते हैं। एक गीत पूरा दिख सकता है और फिर भी उसके पास एक काम बाक़ी हो सकता है: यह जाँचना कि उसके लिंक हर उस जगह मेल खाते हैं जहाँ वे दिखते हैं।

रिलीज़ का तरीक़ा शुरू से ही मिला-जुला है: चैनल को चलता रखने के लिए सिंगल एक-एक करके निकलते हैं, और जब किसी शृंखला में काफ़ी गीत हो जाते हैं तो उन्हें इकट्ठा करके एल्बम बना दिया जाता है। dear(you); vol.1 के दसों गीत YouTube पर अंग्रेज़ी संस्करण और कोरियाई संस्करण में मौजूद हैं। पूरा एल्बम एक बैठक में सुनने के लिए एक लंबा फ़ुल-एल्बम वीडियो भी YouTube पर है।

हम «AI से बना» को सबसे आगे क्यों रखते हैं

जो सवाल हमसे सबसे ज़्यादा पूछा जाता है, वह आख़िरकार एक ही है: यह दिखाने की क्या ज़रूरत कि यह हाथ से नहीं बना? हमारा जवाब सीधा है। छिपाने को कुछ नहीं है, और न छिपाना ही वह तरीक़ा है जो टिकता है। गायन को AI से बनाना हमारे कार्य-सिद्धांतों में डिफ़ॉल्ट विकल्प के रूप में लिखा है, और एक कारण यह है कि यह AI निर्माण को खुलकर बताने के ब्रांड-विचार से मेल खाता है। लोग दिशा तय करते हैं, फिर मसौदे को पढ़ते हैं, उसकी समीक्षा करते हैं और उसमें से चुनते हैं। AI का काम है मसौदे और ध्वनि तेज़ी से बनाना। हम दोनों को घुला-मिला नहीं देते। हम लिखकर रखते हैं कि कौन क्या ज़िम्मे लेता है, और यही हमारा वादा है।

सुनिए

dear(you); vol.1 के दस गीत, ऊपर बताए गए क्रम के अनुसार बनाए गए। हर एक YouTube पर अंग्रेज़ी संस्करण और कोरियाई संस्करण में है।

• S1A1.01 Hard Day Again, Wasn't It? (오늘도 많이 힘들었지?) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.02 It's Okay, Take Your Time. (괜찮아, 천천히 말해봐.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.03 I Was Scared, Too. (나도 무서웠어.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.04 You're Still Shining. (너는 아직 빛나고 있어.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.05 It's Okay to Rest a While. (잠깐 쉬어가도 돼.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.06 You're Not Alone. (혼자가 아니야.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.07 I'm Glad You're Here. (네가 있어서 다행이야.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.08 You Were Enough Today. (오늘도 충분했어.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.09 Let's Smile a Little Tomorrow. (내일은 조금 웃자.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण
• S1A1.10 You Did So Well Today. (오늘도... 정말 고생했어.) — अंग्रेज़ी संस्करण · कोरियाई संस्करण

पूरा चैनल YouTube ipe-rest पर है।

हम आशा करते हैं कि अगली बार जब आप कोई गीत सुनें, तो आप थोड़ा और ग़ौर करेंगे। बिल्कुल अंत की फुसफुसाई पंक्ति के पीछे, बोलों और रिलीज़ के बीच पाँच चरण हैं और एक द्वार जिसे लाँघा नहीं जा सकता। आप idle() के होम पेज पर सुन सकते हैं।