WaveNet: AI สร้างเสียงทีละจุด กับการฟังเปียโนให้ละเอียด
WaveNet คือโมเดลปัญญาประดิษฐ์ที่ทีม DeepMind เผยแพร่ในปี 2016 ความพิเศษคือมันสร้างคลื่นเสียงขึ้นมาทีละจุดตัวอย่าง (sample) โดยแต่ละจุดคาดเดาจากจุดก่อนหน้าทั้งหมด แทนการต่อเสียงสำเร็จรูปเข้าด้วยกัน ผลคือเสียงพูดสังเคราะห์ที่เป็นธรรมชาติขึ้นมาก และในงานวิจัยเดียวกัน ทีมยังทดลองให้มันสร้างเสียงเปียโนจากการเรียนรู้คลังเพลงเปียโนด้วย สำหรับคนเรียนเปียโน เรื่องนี้เตือนว่าเสียงที่เราได้ยินประกอบขึ้นจากรายละเอียดเล็กจิ๋วจำนวนมาก และหูฝึกให้ได้ยินรายละเอียดเหล่านั้นได้
บทความนี้อธิบายหลักของ WaveNet แบบไม่ใช้สมการ แล้วต่อยอดเป็นแบบฝึกฟังเสียงเปียโนของตัวเอง
เสียงดิจิทัลคือจุดเรียงกัน
เสียงที่อัดเก็บในคอมพิวเตอร์คือการวัดแรงดันอากาศเป็นตัวเลขซ้ำ ๆ อย่างรวดเร็ว เพลงคุณภาพแผ่นซีดีใช้การวัด 44,100 ครั้งต่อวินาทีตามมาตรฐานซีดีเสียง เมื่อนำตัวเลขเหล่านี้มาเรียงต่อกันแล้วเล่นกลับ ลำโพงก็สร้างคลื่นเสียงขึ้นใหม่
ระบบสังเคราะห์เสียงยุคก่อนหลายแบบ ใช้วิธีตัดเสียงจริงเป็นชิ้นแล้วนำมาต่อกัน หรือคำนวณจากกฎที่มนุษย์เขียนไว้ WaveNet เลือกทางที่ต่างออกไป คือเรียนรู้จากข้อมูลเสียงจำนวนมากว่า จุดถัดไปน่าจะมีค่าเท่าไร แล้วสร้างทีละจุดต่อกันไปเรื่อย ๆ
โครงสร้างที่ทำให้มันฟังได้ไกล
ปัญหาของการคาดเดาทีละจุดคือ ถ้าดูย้อนหลังได้แค่ไม่กี่จุด โมเดลจะไม่รู้ว่าเสียงก่อนหน้าเป็นคำว่าอะไรหรือโน้ตอะไร ทีมวิจัยจึงใช้เทคนิคที่เรียกว่า dilated convolution ซ้อนหลายชั้น ชั้นล่างดูจุดที่อยู่ติดกัน ชั้นที่สูงขึ้นข้ามระยะไกลขึ้นเป็นเท่าตัว ทำให้โมเดลรับรู้บริบทได้ยาวขึ้นโดยไม่ต้องคำนวณมากเกินไป
ข้อจำกัดในช่วงแรกคือสร้างเสียงได้ช้ามาก ต่อมาทีมพัฒนารุ่นที่เร็วขึ้นจนนำไปใช้เป็นเสียงของผู้ช่วยดิจิทัลได้ ส่วนเสียงเปียโนที่โมเดลสร้างในงานวิจัยแรก ฟังเหมือนเปียโนจริงในระดับเสียงและสีสัน แต่ยังไม่มีโครงสร้างเพลงที่ยาวและมีทิศทาง
บทเรียนสำหรับคนเล่นเปียโน
สิ่งที่ WaveNet ต้องเรียนรู้คือรายละเอียดระดับเสี้ยววินาทีของเสียง เช่น ช่วงต้นของโน้ตที่มีเสียงค้อนกระทบสาย ช่วงที่เสียงค้างอยู่ และช่วงที่เสียงค่อย ๆ จางไป มนุษย์เองก็แยกแยะรายละเอียดเหล่านี้ได้ ถ้าตั้งใจฟัง
ช่วงต้นของโน้ต
การกดคีย์เร็วหรือช้าเปลี่ยนความคมของเสียงช่วงแรก ลองกดโน้ตเดียวกันสองแบบ แบบแรกเร็วและตรง แบบที่สองค่อย ๆ ลงน้ำหนัก แล้วฟังความต่างของต้นเสียง
ช่วงที่เสียงค้าง
กดโน้ตต่ำค้างไว้แล้วฟังว่าเสียงเปลี่ยนสีอย่างไรเมื่อเวลาผ่านไป เสียงสูงบางส่วนจางเร็วกว่า ทำให้โน้ตฟังนุ่มลงเรื่อย ๆ
ช่วงปล่อยคีย์
ปล่อยคีย์เร็วกับปล่อยช้าให้ปลายเสียงต่างกันเล็กน้อย โดยเฉพาะในเพลงช้า การปล่อยคีย์อย่างตั้งใจช่วยให้วลีจบอย่างนุ่มนวล
ทำไมเรื่องนี้จึงสำคัญกับการเรียนยุคนี้
ก่อนมีโมเดลแบบนี้ คอมพิวเตอร์ทำงานกับดนตรีส่วนใหญ่ในระดับโน้ต เช่น รู้ว่าเป็นโน้ตโด ยาวหนึ่งจังหวะ ดังระดับกลาง แต่ไม่รู้ว่าเสียงนั้นกลมหรือแข็ง WaveNet แสดงให้เห็นว่าเครื่องเรียนรู้ระดับคลื่นเสียงได้โดยตรง งานวิจัยรุ่นต่อมาด้านเสียงดนตรีจึงขยับเข้าใกล้รายละเอียดแบบที่หูมนุษย์ใช้ตัดสินความไพเราะมากขึ้น
สำหรับผู้เรียน นั่นหมายความว่าเครื่องมือในอนาคตอาจให้ความเห็นได้ลึกกว่าแค่ถูกหรือผิด เช่น บอกว่าโน้ตไหนแข็งเกินไปเมื่อเทียบกับโน้ตรอบข้าง แต่ระหว่างนี้ หูของเราเองคือเครื่องมือที่ฝึกได้ทุกวันโดยไม่ต้องรอใคร
แบบฝึกฟังสามนาทีต่อวัน
- เลือกโน้ตหนึ่งตัวต่อวัน กดห้ารอบด้วยน้ำหนักต่างกัน แล้วเรียงลำดับในใจจากเบาไปดัง
- อัดเสียงตัวเองเล่นสเกลช้า ๆ แล้วฟังว่าโน้ตไหนดังโดดหรือเบาหายผิดปกติ
- ฟังเพลงเปียโนที่ชอบโดยสนใจแค่ตอนที่โน้ตจบ ไม่ใช่ตอนที่เริ่ม
- เปรียบเทียบเสียงเปียโนไฟฟ้ากับเปียโนอะคูสติก ถ้ามีโอกาสได้เล่นทั้งสองแบบ
แบบฝึกเหล่านี้ไม่ต้องใช้เทคโนโลยีซับซ้อน แต่ใช้หลักเดียวกับที่ทำให้ AI เก่งเรื่องเสียง คือการให้ความสนใจกับรายละเอียดเล็ก ๆ ซ้ำแล้วซ้ำเล่า
คำถามที่พบบ่อย
ถาม: WaveNet แต่งเพลงเปียโนได้หรือยัง
ตอบ: ในงานวิจัยแรก มันสร้างท่อนเสียงเปียโนสั้น ๆ ที่ฟังสมจริง แต่ยังไม่ได้แต่งเพลงที่มีโครงสร้างครบแบบที่นักแต่งเพลงทำ
ถาม: WaveNet กับ AI ที่ฟังการเล่นของเราเหมือนกันไหม
ตอบ: ไม่เหมือน WaveNet เป็นโมเดลสร้างเสียง ส่วน AI ที่ฟังการเล่นเป็นงานด้านวิเคราะห์ เช่น ตรวจว่ากดโน้ตอะไรและตรงจังหวะหรือไม่ แม้จะใช้ความรู้ด้านเสียงคล้ายกัน
ถาม: ทำไมต้องฟังรายละเอียดของเสียง ในเมื่อกดโน้ตถูกแล้ว
ตอบ: โน้ตถูกเป็นเพียงจุดเริ่มต้น สีเสียงและการจบโน้ตคือสิ่งที่ทำให้การเล่นของแต่ละคนต่างกัน
ถาม: เด็กเล็กฝึกฟังแบบนี้ได้ไหม
ตอบ: ได้ ใช้เป็นเกมทายว่ากดเบาหรือกดแรง โดยให้เด็กหลับตาฟัง
เริ่มฟังเสียงของตัวเองให้ลึกขึ้นกับ TIGA ALPHA
ถ้าอยากเรียนเปียโนแบบมีผู้ช่วยฟังอยู่ข้าง ๆ ทุกวัน TIGA ALPHA คือแอปสอนเปียโน AI จากทีมคนไทย ที่นำการสอนเปียโนด้วย AI มาช่วยตรวจโน้ตและจังหวะทันทีที่เล่นเปียโนจบ ใช้ได้ทั้งภาษาไทย อังกฤษ และจีน บทเรียนวางแนวทางโดยครูอั้ม CEO ของบริษัท ผู้สอนเปียโนมากว่า 20 ปี ในฐานะแอปพลิเคชันสอนเปียโนออนไลน์ แอปนี้เป็นทั้งแอปสอนเปียโนสำหรับมือใหม่ และแอปสอนเปียโนออนไลน์สำหรับคนที่อยากเรียนเปียโนออนไลน์อย่างต่อเนื่อง ทุกคนใช้แพ็กเกจพรีเมียมฟรี 7 วัน แล้วเดือนละ 799 บาท
- ดาวน์โหลดและเริ่มคอร์สเรียนเปียโนออนไลน์ AI: หน้าแนะนำ TIGA ALPHA
- อยากได้คอร์สเปียโนหรือคอร์สเรียนเปียโนกับครูที่สอนดนตรีตัวต่อตัว: TIGA Studio
- อ่านเรื่องบริษัทที่อยากให้ทุกคนได้เรียนดนตรีและเล่นดนตรี: www.tigaalpha.com