Äänitteen tekoälymasterointi: AI vs. ihminen

Abstract

Opinnäytetyön tavoitteena oli selvittää, pystyykö tekoäly masteroimaan musiikkia yhtä hyvin kuin ihminen. Tutkimus toteutettiin yhdistämällä ammatillisia laadullisia havaintoja objektiiviseen, numeraaliseen mittausdataan tapaustutkimuksessa, jossa vertailtiin kahden tekoälymasterointipalvelun työnjälkeä ammattilaisen mastereihin Aves-yhtyeen kokopitkän Transformations-levyn mitassa ja kansainvälisen huipputason referenssimastereihin verraten.

Tutkimuksessa vertailtiin kahden tekoälymasterointipalvelun käyttökokemusta ja masteroinnin työjälkeä masteroinnin ammattilaisen työjälkeen yhden albumin mitassa. Tutkimustulokset vaihtelivat LANDRin positiivisista vaikutelmista eMasteredin negatiivisiin vaikutelmiin. Tekoälymasteroinnin hyvinä puolina todettiin nopeus, vaivattomuus ja alhainen hinta. Tutkimustulosten perusteella ilmeni, että parhaimmillaan tekoälymasterointi pystyi yhtä hyvään, ellei jopa parempaan jälkeen kuin ammattitasoinen ihmismasteroija, mutta huonoimmillaan tekoälymasterointipalvelujen jälki jäi etäisen, suttuisen ja yliprosessoituneen kuuloiseksi.

Johtopäätöksenä voidaan todeta, tekoälymasterointipalvelut pystyvät parhaimmillaan masteroimaan musiikkia yhtä hyvin kuin ihminen ja että tekoälymasterointi voi olla hyvä vaihtoehto erityisesti pienlevy-yhtiöille, indie-artisteille ja muille omaehtoisille musiikkialan tekijöille. Tekoälymasterointia voi ajatella myös hyvänä työkaluna miksaajille, jotka pystyvät jo miksausvaiheessa kuulemaan ja korjaamaan paremmin miksauksen ongelmia tekoälymasteroinnin tuoman erillisperspektiivin myötä. Jatkokehitysehdotuksina tutkimusta suositellaan laajentamaan useampiin eri musiikin genreihin, laajempaan kattaukseen tekoälymasterointipalveluita ja todetaan, että jo viiden vuoden päästä nopeasti muuttuva tekoälykenttä voi näyttää erilaiselta.

The objective of this thesis was to investigate whether artificial intelligence (AI) can master music as effectively as a human. The research was conducted through a case study that combined professional qualitative observations with objective numerical measurement data. The study compared the results of two AI mastering services with those of a professional mastering engineer, using the full-length album Transformations by the band Aves, and benchmarked them against international high-quality reference masters.

The study evaluated both the user experience and the audio quality of the masters produced by the two AI services in comparison to a human professional. Results varied, with LANDR receiving relatively positive impressions, while eMastered was viewed more critically. The strengths of AI mastering were identified as speed, ease of use, and low cost. The findings suggest that, at its best, AI mastering can match or even surpass the quality of professional human mastering. However, at its worst, the results sounded distant, smudgy, and over-processed.

In conclusion, AI mastering services can, at their best, produce results comparable to human mastering. They may serve as a viable option especially for small record labels, indie artists, and other independent music creators. AI mastering can also be a useful tool for mixing engineers, offering a fresh perspective that helps identify and correct mix issues earlier in the production process. Further research is recommended to expand the study to include more music genres and a broader range of AI mastering services, noting that the rapidly evolving AI landscape may look significantly different in just five years.