هالیوود بول از سیستم مبتنی بر هوش مصنوعی برای جداسازی صدای خواننده و متحول کردن صدای کنسرت‌های زنده رونمایی کرد

«هالیوود بول»، یک آمفی‌تئاتر صد ساله در لس‌آنجلس که در تپه‌های هالیوود واقع شده است، جاه‌طلبانه‌ترین بازسازی صوتی خود را در طول یک نسل، در تابستان امسال رونمایی می‌کند. در قلب این ارتقاء، یک سیستم هوش مصنوعی جدید قرار دارد که برای حل یکی از قدیمی‌ترین و دشوارترین مشکلات موسیقی زنده طراحی شده است: نشت صدای صحنه (Stage Bleed).[1][2]

در صحنه کنسرت زنده، مهندسان صدا یک جنگ دائمی و عمدتاً نامرئی علیه آشفتگی صوتی به راه می‌اندازند. صدای کیک درام به میکروفون خواننده اصلی نشت می‌کند؛ یک آمپلی‌فایر گیتار پر سر و صدا، فید مانیتور حساس را آلوده می‌سازد. وقتی خواننده در میانه کُر، میکروفون را به سمت سینه‌اش می‌آورد، اغلب نیمی از شعر در ترکیب گِل‌آلود گروه پشتیبان ناپدید می‌شود.[1]

برای دهه‌ها، ابزارهای موجود برای رفع این مشکلات اساساً بدون تغییر باقی مانده بودند. متخصصان صدا برای ایجاد فضا برای صدای انسان، به اکولایزیشن، کمپرسور، نویز گیت‌ها و حجم صدای صرف متکی بودند. این یک فرآیند سازش دائمی و در زمان واقعی است که مهندسان را ملزم می‌کند تا فیدرها را کنترل کرده و در کسری از ثانیه تصمیم بگیرند تا صدای خواننده در میان همهمه قابل فهم باقی بماند.[1][5]

در اینجا «Source Intelligence» (هوش منبع) وارد می‌شود، یک سیستم یادگیری ماشینی که توسط L-Acoustics، تولیدکننده فرانسوی تجهیزات صوتی که زیرساخت صوتی «بول» را تأمین می‌کند، توسعه یافته است. این پلتفرم به هر میکروفون روی صحنه گوش می‌دهد و کاری را انجام می‌دهد که تا همین اواخر از نظر محاسباتی غیرممکن بود: صدای خواننده را از هر چیز دیگری که اطرافش است، در زمان واقعی و با دقت جراحی، جدا می‌کند.[1][2]

برخلاف نویز گیت‌های سنتی که صرفاً میکروفون را هنگامی که صدا از یک آستانه مشخص پایین‌تر می‌آید، قطع می‌کنند، Source Intelligence به طور مداوم صدای انسان را از نویز محیطی تشخیص می‌دهد. مدل هوش مصنوعی بر روی مجموعه‌داده‌های عظیمی از صدای خواننده جدا شده و سازهای زنده آموزش دیده است، که به آن اجازه می‌دهد امضای صوتی خاص یک خواننده را شناسایی کرده و آن را از هرج و مرج پس‌زمینه استخراج کند.[2][4]

فرد ووگلر، که از سال ۲۰۰۳ به عنوان طراح اصلی صدای هالیوود بول خدمت کرده است، تأثیر عملی این فناوری را شگفت‌انگیز توصیف کرد. ووگلر اشاره کرد: «ناگهان، دیگر صدای آمپلی‌فایر گیتار یا درامز را در آن میکروفون ندارید. شما فقط صدای خواننده را دریافت می‌کنید.»[1]

ریشه این فناوری تا حدی غیرمنتظره است. به گفته لوران وایسی، مدیرعامل L-Acoustics، این مفهوم در ابتدا به عنوان ابزاری استودیویی برای دی‌جی‌ها شکل گرفت—یک الگوریتم جداسازی استم که به تولیدکنندگان اجازه می‌داد یک ترک استریو را به اجزای تشکیل‌دهنده‌اش تجزیه کنند. انطباق این مفهوم برای استقرار زنده، در زمان واقعی و با تأخیر صفر، نیازمند جهشی عظیم در قدرت پردازش و کارایی الگوریتمی بود.[1][4]

این سیستم قبلاً به صورت پنهانی در تورهای موسیقی آزمایش شده است. رایان جان، مهندس صدای اصلی (Front-of-house)، این نرم‌افزار را «بزرگترین پیشرفت در کیفیت صدای خواننده که در تمام دوران کاری زنده‌ام تجربه کرده‌ام» نامید. بر اساس گزارش‌های صنعتی، هنرمندانی از جمله برونو مارس، هری استایلز، روزالیا و جوناس برادرز پیش از این این فناوری را در چرخه‌های تور اخیر خود ادغام کرده‌اند.[2][6]

نرم‌افزار هوش مصنوعی تنها بخشی از بازسازی فیزیکی گسترده در این مکان است. «بول» همچنین سیستم آرایه خطی پرچمدار جدید L-Acoustics به نام «L1» را نصب کرده است که اولین بازنگری معماری عمده در این فرمت از زمان اختراع آرایه خط منبع مدرن توسط این شرکت در سال ۱۹۹۳ محسوب می‌شود.[1][4]

آرایه‌های خطی با آویزان کردن چندین کابینت بلندگو در یک ستون عمودی منحنی کار می‌کنند و به مهندسان اجازه می‌دهند جهت و پرتاب صدا را در یک فضای بزرگ به دقت شکل دهند. با این حال، شکاف‌های فیزیکی بین این جعبه‌های مجزا همیشه ناهماهنگی‌های صوتی جزئی ایجاد کرده‌اند که منجر به تغییرات اندکی در صدا می‌شود، به خصوص وقتی شنونده از جلوی سالن به عقب حرکت می‌کند.[1][4]

سیستم L1 این مشکل را با ادغام مستقیم بلندگوها در یک کابینت بازطراحی شده که زاویه‌ای داخلی در طراحی خود دارد، برطرف می‌کند. مدیران شرکت خاطرنشان می‌کنند که سیستم‌های بزرگ‌مقیاس معمولی معمولاً به «ضریب تابش فعال» (ARF) – درصدی از آرایه که واقعاً صدا تولید می‌کند – بین ۸۰ تا ۹۰ درصد دست می‌یابند.[2][4]

گزارش شده است که سیستم جدید L1 از ضریب تابش فعال ۹۸ درصد فراتر می‌رود. در هالیوود بول، کل آرایه هفت متری کمتر از ۱۴ سانتی‌متر فضای غیرفعال دارد. نتیجه، یکنواختی صوتی بی‌سابقه‌ای است که حجم صدای یکسانی را از باکس‌های گران‌قیمت باغ تا بالاترین و ارزان‌ترین نیمکت‌های سالن ارائه می‌دهد.[1][2]

برای اولین بار در تاریخ صد ساله خود، این آمفی‌تئاتر ۱۷۵۰۰ نفری با یک سیستم صدای فراگیر غوطه‌ور کامل پوشانده می‌شود. پلتفرم L-ISA بلندگوها را در سراسر مکان توزیع می‌کند و مخاطبان را در صدای فضایی (Spatial Audio) احاطه می‌کند. اسکات ساگدن، مدیر تولید L-Acoustics، این سیستم را به لحاظ هندسه فیزیکی، به طور بالقوه بزرگترین استقرار صدای غوطه‌ور در هر کجای جهان توصیف کرد.[1][3]

فراتر از بهبود تجربه کنسرت برای دارندگان بلیت، این فناوری جدید یک تهدید وجودی بزرگ برای مکان‌های روباز را برطرف می‌کند: شکایات همسایگان در مورد سر و صدا. هالیوود بول در یک منطقه مسکونی پرجمعیت قرار دارد و مدیریت آلودگی صوتی خارج از محل همیشه یک اقدام ظریف تعادلی سیاسی و صوتی بوده است.[1][5]

سیستم جدید بهبود چشمگیری در کنترل جهت‌دار ارائه می‌دهد. مدیران اظهار می‌دارند که آرایه L1 می‌تواند انرژی فرکانس پایین پشت سیستم صوتی را در حالت‌های عملیاتی خاص تا ۲۷ دسی‌بل کاهش دهد. این امر باعث می‌شود که صدای بم مستقیماً روی مخاطب متمرکز بماند، نه اینکه از روی تپه‌ها به محله‌های اطراف سرازیر شود.[2][4]

همانطور که صنعت موسیقی زنده به پیشبرد مرزهای مقیاس ادامه می‌دهد، ادغام هوش مصنوعی در میکس صوتی در زمان واقعی، نشان‌دهنده یک تغییر پارادایم اساسی است. با واگذاری جداسازی مکانیکی فرکانس‌ها به یادگیری ماشینی، مهندسان آزاد می‌شوند تا بر جنبه‌های خلاقانه و احساسی صدای زنده تمرکز کنند.[1][6]

وایسی در مورد ادغام هوش مصنوعی اظهار داشت: «ما فقط می‌خواهیم مردم احساس کنند که اگر این سیستم را خاموش کنید، چیزی کم است.» با آغاز فصل تابستان، هالیوود بول ثابت می‌کند که آینده موسیقی زنده فقط بلندتر نیست، بلکه به طور تصاعدی هوشمندتر است.[1][4]