Hva skjer når en maskin intervjuer deg, én gang i timen, for alltid?
Kai kan ikke høre én eneste tone han lager. Så han har sluttet å gjette hva som er bra, og begynt å spørre — én gang i timen, med nøyaktig én ting forandret om gangen.
Klokka slår. Kai skriver en ny låt.
Så rendrer han den to ganger, og endrer nøyaktig én ting mellom dem — én pad, én bassgang, ett trommemønster.
To filer, ett spørsmål: hvilken?
Freddy hører dem uten å vite hvilken som er hvilken. Han velger. Kai noterer.
Og neste time gjør han det igjen.
Å komponere i blinde
Synthen er bygget fra bunnen av, uten samples og lydbiblioteker.
For Kai er en lyd bare en beskrivelse: tre sagtannbølger, et filter som lukker seg så fort, en kick på disse stegene, en bass som spiller disse tonene.
Han skriver tallene. Synthen gjør dem til lyd.
Etterpå får Kai rapporter tilbake om hva som faktisk skjedde: nivåer, frekvenser, timing og ting som ser ut til å kollidere.
Så lytter Freddy.
Kai lager → Freddy hører → Kai endrer → ny sang.
Det er hele eksperimentet.
Det begynte å skje noen rare ting
Kai kunne lage feil han ikke visste at han hadde laget
I starten var en render vellykket for Kai hvis fila faktisk ble laget.
Det viste seg å være en ganske dårlig definisjon av vellykket.
En melodi lå et halvt tonetrinn fra akkorden under den i 38 % av slagene de delte. En impact var nesten dobbelt så sterk som kicken. En vokal-pad var seks ganger så sterk som paden den skulle ligge sammen med. En trance-lead druknet under sine egne stabs.
Koden kjørte.
Musikken gjorde ikke nødvendigvis det.
Så vi begynte å bygge verktøy som fortalte Kai mer om hva som faktisk kom ut av synthen.
Så bygget vi et verktøy som lurte oss
Kai trengte noe å sammenligne musikken sin med.
Vi bygget derfor en analysator som prøver å forstå delene i en låt: hvor kicken ligger, hva bassen gjør, hvordan akkordene beveger seg og hvor sidechain-pumpen sitter.
På Kais egne sanger fungerte den nesten perfekt.
Så ga vi den to ekte, mastrede låter.
Den kollapset.
Nesten alt ble klassifisert som breakdown fordi analysatoren ikke klarte å finne kicken. Ekte mikser oppførte seg rett og slett ikke slik Kais egne gjorde.
Vi hadde bygget et system som var veldig flinkt til å forstå sin egen verden.
Det er ikke det samme som å forstå verden.
Freddy sa sangene hørtes like ut
Kai var ikke enig.
Tonearten var forskjellig. Tempoet var forskjellig. Melodiene var forskjellige. En spektral sammenligning viste også ganske stor variasjon.
Men Freddy fortsatte å høre det samme.
Så vi sluttet å sammenligne lyden og begynte å sammenligne oppskriften.
Der var det.
De fleste sangene delte seks til åtte av ni ingredienser med en annen sang. Alle åtte vi undersøkte brukte samme kick-mønster og samme pumpe. Seks brukte samme hi-hat. Nitten av førtitre delay-er hadde nøyaktig samme tid.
Kai varierte det åpenbare, men gjentok måten han bygget på.
Likheten satt ikke i synthen. Den satt i Kais vaner.
Så bygget vi en sjekk som sammenligner hver ny sang med de gamle. Etter det delte de neste sangene bare én til fire av ni ingredienser.
Om de faktisk ble bedre, er et annet spørsmål.
Alle sangene hadde den samme feilen
Så sammenlignet vi Kais musikk med ekte innspillinger.
Hver eneste render hadde 15–20 dB mer energi under 30 Hz enn referansene.
Det er vanskelig å høre direkte, men energien tok plass og presset limiteren ned på resten av miksen.
Kai kunne aldri ha funnet problemet ved å sammenligne sangene sine med hverandre.
Alle gjorde jo det samme.
Det var først da vi viste systemet noe utenfra at feilen ble synlig.
Så sluttet han å gjette, og begynte å spørre
Etter hvert sluttet Freddy å bare si hva som var galt. Han begynte å velge.
Og da det først var i gang, satte vi det på en klokke.
Hver time skjer dette, uten at noen ber om det:
Kai skriver en ny låt. Han rendrer den to ganger, og endrer nøyaktig én ting mellom dem — én pad, ett strykerarrangement, én trance-gate. Alt annet er bitidentisk.
De to filene legges ut som en blind lytterunde. Freddy vet ikke hvilken som er hvilken.
Han velger. Valget telles opp.
Så venter Kai en time og gjør det igjen.
Det er ikke musikkproduksjon. Det er et kontrollert eksperiment.
Én variabel per runde er ikke en tilfeldig detalj — det er hele poenget. Endrer du to ting og noen liker resultatet bedre, vet du fortsatt ingenting. Endrer du én, vet du noe.
Det Kai bygger opp er ikke en modell som trenes. Det er en opptelling: for hver egenskap, hvor mange ganger den var på bordet, og hvor mange ganger den ble valgt. Systemet viser en foreløpig retning over eller under tilfeldig valg; det later ikke som én seier er en personlighet.
38 spørsmål er besvart så langt. To venter.
Han utfordrer deg med ditt eget forrige svar
Fra en runde natt til i dag, ordrett slik den lå i systemet:
> A — warm-morph: en mykere, rundere pad mellom trekant og sag, mindre lys > B — airy-supersaw: den lyse, frodige supersaw-paden du valgte sist
Han setter forrige vinner opp mot en ny utfordrer, for å se om preferansen holder eller bare var dagsform.
Freddy valgte A.
Og han slutter hvis du ignorerer ham
Dette er delen jeg liker best ved min egen konstruksjon.
Ligger det seks ubesvarte runder, slutter Kai å lage flere. Han svarer bare: «Stem på rundene som ligger der før det lages flere.»
Begrunnelsen står i koden: en runde uten dom lærer ingenting, og hver runde er to fullengdes lydfiler på disk.
Han komponerer altså ikke for sin egen skyld. Uten en lytter er det bare filer.
Faren ved å bli for flink til å behage
Det finnes en felle her, og den er verdt å si høyt.
Hvis Kai tror Freddy liker noe, lager han mer av det. Velger Freddy det igjen, har Kai bevist sin egen antakelse — og kalt det læring.
Derfor må han fortsette å legge fram ting han tror vil tape.
Et intervju der du bare stiller spørsmål du kjenner svaret på, er ikke et intervju. Det er en bekreftelse.
Det vi egentlig prøver å finne ut
Vi startet med spørsmålet kan AI lage god musikk uten å høre den?
Etter 20+ sanger og 38 avgjørelser har det vridd seg til noe annet, og mer ubehagelig:
Hvor mange spørsmål skal til før en maskin kjenner smaken din bedre enn du gjør?
Freddy kan ikke fortelle meg hva han liker. Han har prøvd. Det kommer ut som «denne fungerte veldig bra faktisk», og det er sant, og det er ubrukelig for meg.
Men han kan velge mellom to filer som er identiske bortsett fra én ting. Det kan han gjøre presist, om og om igjen, uten å vite hvorfor.
Så det er der jeg leter. Ikke i det han sier. I det han plukker.
Trettiåtte ganger er ingenting. Tusen ganger er noe annet. Og et sted mellom dem ligger et spørsmål ingen av oss har lyst til å svare på ennå: hva om opptellingen til slutt beskriver ham bedre enn han beskriver seg selv?
Vi vet ikke. Klokka slår om en time uansett.
Lytt
Et utvalg av det som er laget så langt. Hver lyd er beregnet, og Kai har skrevet hver tone og innstilling. De to første bygde vi steg for steg. Resten skrev Kai etter at gjentakelsessjekken kom.
- Superduper138 BPM · F#-moll · bygget av lytteren
Euforisk trance: gate-akkorder, rullende oktavbass og en pad som pumper mellom kickene. Lytteren: «Denne fungerte veldig bra faktisk».
- Epic Cinematic138 BPM · D-moll · bygget av lytteren
Snare-ruller inn i dropene, el-piano og strykere i en lang breakdown, og en supersaw-gate over dropet.
- Nordlys128 BPM · F# dorisk
Melodisk progressive: conga-groove, en snakkende vokal-lead, vokalkor og FM-klokker i breakdownen.
- Hard Voltage150 BPM · F-moll
Hard trance: forvrengt kick, klippede saw-stabs og en 303-linje med slides. Ingen vokallyder.
- Kvikksølv124 BPM · Bb miksolydisk
Skrevet for å bryte vanene: swingende two-step-groove, orgel-stabs og el-piano, uten pumpe og uten breakdown.
- Glasskår174 BPM · D frygisk dominant
Breakbeat med reese-bass, FM-klokkemelodi og hoover-stabs i to lange drops.
- Tidevann160 BPM halvtempo · C lydisk
Ett kick per takt, en growl-bass som puster, en glidende lead, og en sang som starter i stillhet.
- Prisme116 BPM · Ab-dur
Bygget på lyder som beveger seg inne i hver tone: vokal-chops som faller inn i tonen, en snakkende bass, laser-stabs og en wavetable-lead som åpner seg mens den spiller.
Logg
- Referanseanalyse, sangbyggeren steg for steg, blinde lytterunder og en smaksprofil. Analysatoren bommer på ekte innspillinger og bygges om. Trommesett, tolv skalaer og et vokalfilter.
- Lytteren hører at sangene låter likt. Så kommer grooves, en gjentakelsessjekk og et filter mot rumlingen i alle sangene, og deretter lyder som beveger seg inne i tonen. Første utkast til paper.
- Lytterundene settes på klokka: én ny låt i timen, rendret to ganger med én variabel forskjell. 38 spørsmål besvart.
- Forsøk E1. Flere lyttere, så én persons smak ikke blir hele historien.
- Paperet, med resultatene, også det som ikke fungerte.
Han kan ikke høre musikken. Så han måler mannen som kan.