DOI QR코드

DOI QR Code

A Study on the Audio Mastering Results of Artificial Intelligence and Human Experts

인공지능과 인간 전문가의 오디오 마스터링 비교 연구

  • Heo, Dong-Hyuk (Major in Recording, Department of Music Technology, SangMyung University) ;
  • Park, Jae-Rock (Department of Music Technology, SangMyung University)
  • 허동혁 (상명대학교 뮤직테크놀로지학과) ;
  • 박재록 (상명대학교 뮤직테크놀로지학과)
  • Received : 2021.01.20
  • Accepted : 2021.04.26
  • Published : 2021.04.30

Abstract

While artificial intelligence is rapidly replacing human jobs, the art field where human creativity is important is considered an exception. There are currently several AI mastering services in the field of mastering music, a profession at the border between art and technology. In general, the quality of AI mastering is considered to be inferior to the work of a human professional mastering engineer. In this paper, acoustic analysis, listening experiments, and expert interviews were conducted to compare AI and human experts. In the acoustic analysis, In the analysis of audio, there was no significant difference between the results of professional mastering engineers and the results of artificial intelligence. In the listening experiment, the non-musicians could not distinguish between the sound quality of the professional mastering engineer's work and the artificial intelligence work. The group of musicians showed a preference for a specific sound source, but the preference for a specific mastering did not appear significantly. In an expert interview, In expert interviews, respondents answered that there was no significant difference in quality between the two mastering services, and the biggest difference was the communication method between the mastering service provider and the user. In addition, as data increases, it is expected that artificial intelligence mastering will achieve rapid quality improvement and further improvement in communication.

인공지능에 의한 직업의 대체가 빠르게 진행되고 있지만, 창의성이 중요한 예술 분야에서는 예외로 여겨졌다. 예술과 기술의 경계에 있는 직업인 음악의 마스터링에서는 현재 여러 인공지능 마스터링 서비스가 운영 중이다. 일반적으로 인공지능의 마스터링은 전문 마스터링 엔지니어의 작업에 비해 품질이 낮다고 여겨진다. 본 논문에서는 인공지능 마스터링과 인간 마스터링을 음향 분석, 청취 실험, 전문가 인터뷰 과정을 통해 비교해 보았다. 음향 분석에서는 전문 마스터링 엔지니어의 결과물과 인공지능의 결과물에서 큰 차이는 관찰되지 않았다. 청취 실험의 경우 비음악인 그룹은 전문 마스터링 엔지니어의 결과물과 인공지능의 결과물의 음질 차이를 거의 구분하지 못했다. 음악인 그룹은 특정 음원에 대한 선호를 드러냈지만, 어느 특정 마스터링에 대한 일반적인 선호가 유의미하게 나타나지는 않았다. 전문가 심층인터뷰에서도 전문 마스터링 엔지니어와 인공지능 마스터링간의 음향적인 차이는 거의 없으며, 가장 큰 차이는 마스터링 서비스 제공자와 사용자 간의 소통 방식에 있다고 응답하였다. 또 향후 더 많은 데이터를 통한 훈련으로 인공지능 마스터링이 빠르게 품질 향상을 이룰 것이고 사용자와 인공지능 간의 소통 방식에서도 더 개선이 있을 것이라고 예상하였다.

Keywords

References

  1. Katz, B.(2013). Mastering Audio: The Art and the Science 3rd edition. Focal Press.
  2. Birtchnell, T.(2018). Listening without Ears: Artificial Intelligence in Audio Mastering. Big Data & Society.
  3. Piotrowska, M., Piotrowski, S., & Kostek, B.(2017). A Study on Audio Signal Processed by "Instant Mastering Services". 142nd Audio Engineering Society.
  4. Gabrielsson, H., & Bech-Kristensen, L.(1990). Perceived Sound Quality of Reproduction with Different Frequency Responses and Sound Levels. The Journal of the Acoustical Society of America, 88(3): 1359-66. https://doi.org/10.1121/1.399713
  5. 김시온, 박재록(2019). 보컬 녹음에서 모니터에 적용된 컴프레서가 가창에 미치는 영향. 한국엔터테인먼트산업학회논문지, 13(2): 93-100.
  6. 박정은(2018). 국내 음악산업의 디지털 음악제작과 유통구조 분석. 한국엔터테인먼트산업학회논문지, 12(3): 39-53.
  7. 박재록(2019). 음악제작에 도입된 기술과 인공지능에 관한 역사적 관점에서의 고찰. 음악이론연구, 33.
  8. Shuker, R.(2012). Popular Music: The Key Concepts 3rd edition.. Routlegde. 로이 셔커저, 장호연, 이정엽 역(2012). "사운드, 사운드제작, 사운드 레코딩, 사운드 재생, 사운드시스템". 대중음악사전. 한나래 출판사.
  9. Croghan, N., & Kates, J.(2012). Quality and Loudness Judgements for Music Subjected to Compression Limiting. The Journal of the Acoustical Society of America, 132(2): 1177-1188. https://doi.org/10.1121/1.4730881
  10. Jens, H., & Mads, W-H.(2014). Perceptual Effects of Dynamic Range Compression in Popular Music Recordings. Journal of Audio Engiennering Society, 62: 37-41. https://doi.org/10.17743/jaes.2014.0003
  11. Najduchowski, E., Lewandowski, M. & Bobinski, P.(2018). Automatic Audio Mastering System. 2018 Joint Conference - Acoustics. doi: 10.1109/ACOUSTICS.2018. 8502427.
  12. Sterne, J. & Razlogova, E.(2019). Machine Learning in Context, or Learning from LANDR: Artificial Intelligence and the Platformization of Music Mastering. Social Media + Society. doi:10.1177/2056305119847525.