أصوات كوفر بالذكاء الاصطناعي تسمعها قبل أن تستخدمها

صوت الكوفر بالذكاء الاصطناعي هو نموذج صوتي مدرّب يأخذ تسجيل غناء ويعيد أداءه بطابع صوتي يخصّ مغنياً مختلفاً تماماً. لحنك يبقى لحنك، وتوقيتك يبقى توقيتك، وطريقة نطقك للعبارات وإحساسك بها تبقى كما هي. ما يتغيّر هو الصوت نفسه: الأحبال الصوتية، الرنين، اللكنة، خشونة النبرة. غنِّ لازمة بصوتك، مرّرها عبر نموذج صوت سول، وسيعود الأداء نفسه وكأنّ مغني جلسات محترفاً هو من سجّله.

هذا مختلف عن تحويل النص إلى كلام، ومختلف عن مولّدات الأغاني بالذكاء الاصطناعي. تحويل النص إلى كلام يقرأ كلمات تكتبها ولا يوجد خلفه أي أداء موسيقي. ومولّدات الأغاني تخترع أغنية جديدة كاملة من وصف نصي، ولا تملك أنت أي تحكّم في اللحن. أصوات الكوفر تقع بينهما: هي تحويل من صوت إلى صوت، فالأداء الموسيقي يبقى أداءك دائماً وتُستبدل الهوية الصوتية وحدها. لهذا يستخدمها المنتجون في الديموهات، ويستخدمها المؤلفون لعرض أغنية بصوت أقرب إلى الفنان المستهدف، ويستخدمها صنّاع المحتوى لنشر غناء دون الاستعانة بمغنٍّ محترف.

كل صوت في هذه المكتبة مرخّص وخالٍ من حقوق الملكية. هذه نماذج مدرّبة في الاستوديو على أصوات مغني جلسات وافقوا صراحةً على ذلك، وليست تقليداً منتزعاً لأصوات المشاهير. هذا الفارق أهم بكثير ممّا يظن معظم الناس. أصوات الكوفر المبنية على فنانين حقيقيين دون إذن تعرّضك لمطالبات تتعلق بحق الشخص في صورته وصوته، وفي عدة دول تقع المسؤولية أيضاً على المنصة التي توفّر الأداة. كل ما هنا مُخلّص للاستخدام التجاري، فالمقطع الذي تصنعه بهذه الأصوات يمكن أن يُنشر على سبوتيفاي أو يوتيوب أو تيك توك أو في مشروع لعميل دون تهديد بالحذف.

المكتبة منظّمة حسب النوع الموسيقي لأن النوع هو أقوى مؤشر على ما إذا كان الصوت سيناسب أغنيتك. نموذج صوت البوب مدرّب على أداء نظيف وأمامي وجاهز للإذاعة. نموذج الآر أند بي والسول يحمل هواءً أكثر وزخارف أكثر ونطاقاً متوسطاً منخفضاً أدفأ. نماذج الروك تدفع أكثر نحو الخشونة والشدّ في أعلى النطاق. أما نماذج الراب فمدرّبة على الإلقاء الإيقاعي المنطوق لا على النغمة الممتدة، لذا تتعامل مع التدفّق وهجمة الحروف الساكنة أفضل بكثير من أي نموذج غنائي.

كل بطاقة في الكتالوج أعلاه تشغّل عيّنة للصوت وهو يغنّي، فتستطيع اختبار المكتبة كاملة قبل أن تنفق شيئاً. وحين يعجبك صوت ما، اضغط عليه ليذهب تسجيلك إلى ذلك النموذج بالتحديد. يستغرق التحويل من ثلاثين إلى ستين ثانية ويعيد لك ملف WAV عالي الجودة تضعه مباشرةً في المزج.

تحمل الأصوات أيضاً وسم الجنس ووسم اللغة. اللغة مهمة لأن النموذج المدرّب على حروف العلة الإنجليزية يتعامل مع الكلمات الإنجليزية بأقصى طبيعية، رغم أن كل نموذج يستطيع تحويل الصوت بأي لغة. إذا كنت تغني بالعربية أو بالإسبانية، فالبدء بصوت يحمل وسم تلك اللغة يعطيك عادةً حروف علة أنظف وتشوّهات أقل من إجبار نموذج إنجليزي على القيام بالمهمة.