إن قضيت وقتًا في مجتمعات إنتاج الموسيقى أو الدي جي أو الريمكس، فقد سمعت كلمة «Stems». لكن ما المكونات الصوتية بالضبط، وكيف يعمل فصل المكونات؟ يغطي هذا الدليل كل ما تحتاج معرفته — من الأساسيات حتى طريقة عمل أدوات فصل المكونات الحديثة بالذكاء الاصطناعي.
ما هي المكونات الصوتية (Audio Stems)؟
في إنتاج الموسيقى، المكوّن (Stem) هو مزيج فرعي — مجموعة من المسارات ذات الصلة مُمزوجة في ملف صوتي واحد ستيريو (أو أحادي). المكونات تقع فوق المسارات المسجلة الفردية لكن أدنى من الماستر المُمزوج النهائي.
قد تُسلَّم الأغنية النموذجية بهذه المكونات:
- مكوّن الصوت — الصوت الرئيسي والأصوات المرافقة مُمزوجة معًا
- مكوّن الطبول — الباس درام والسنير والهاي هات والتومات مُمزوجة معًا
- مكوّن الباس — غيتار الباس أو الباس المُصنَّع
- مكوّن الآلات — الغيتارات والكيبوردات والسينثات والأوتار
إذا أعدت جمع كل المكونات معًا، تحصل على الأغنية المُمزوجة النهائية. وإذا أسكتَّ مكوّن الصوت، تحصل على النسخة الموسيقية (الكاريوكي).
لماذا تهم المكونات؟
المكونات هي عملة التعاون الإبداعي في الموسيقى. وإليك سبب حاجة الناس إليها:
لمشغّلي الدي جي وفناني الريمكس
يستخدم مشغلو الدي جي ومنتجو الريمكس المكونات لبناء المزج الصوتي (mashups) والريمكسات. فبامتلاك مكوّن الصوت من أغنية ومكوّن الآلات من أغنية أخرى، يمكنك إنشاء تركيبات جديدة تبدو مُمزوجة باحتراف — لا مجرد أغنيتين مُكدَّستين على بعضهما بشكل مرتبك.
لمنتجي الموسيقى
عندما يريد المنتج العمل على تسجيل موجود، تتيح له المكونات التعامل مع العناصر الفردية دون التأثير على المزج بأكمله. فقد يحتفظ بمكوّن الطبول الأصلي ويستبدل الباس، أو يحتفظ بمكوّن الصوت ويعيد بناء التوزيع الموسيقي بالكامل.
للمؤدين الحيّين
تستخدم الفرق والمؤدون المنفردون مكونات المرافقة في العروض الحية. فعلى سبيل المثال، يمكن لفنان منفرد أن يؤدي فوق مكوّن الطبول والباس بينما يعزف الغيتار مباشرةً.
للأفلام والتلفزيون
يستخدم مشرفو الموسيقى المكونات عندما يحتاجون إلى تكييف أغنية لمشهد معين — كإزالة الصوت لمشهد خلفي، أو ضبط المستويات، أو تكرار آلة محددة.
المشكلة: معظم الأغاني لا تأتي مع مكونات
التحدي هو: المكونات عادةً لا تتوفر إلا مباشرة من المنتجين الأصليين أو شركات التسجيل — ونادرًا ما تنشرها للعامة. قد تجد المكونات إذا شاركت في مسابقة ريمكس، أو اشتريت حزمة منتج، أو عملت مباشرةً مع فنان. وبالنسبة لمعظم الموسيقى المُصدَرة تجاريًا، فإن المكونات ببساطة غير موجودة للعامة.
وهنا يأتي دور فصل المكونات بالذكاء الاصطناعي.
كيف يعمل فصل المكونات بالذكاء الاصطناعي
تحلل أدوات فصل المكونات بالذكاء الاصطناعي الملف الصوتي المُمزوج وتحاول فصل المكونات الفردية رياضيًا — دون أي وصول إلى المسارات المتعددة الأصلية.
تستخدم أدوات فصل المكونات الحديثة بالذكاء الاصطناعي شبكات عصبية عميقة دُرّبت على مجموعات كبيرة من الأغاني متعددة المسارات المسجلة باحتراف. أثناء التدريب، يتعلم النموذج كيف «تبدو» الأصوات والطبول والباس والآلات صوتيًا — أي أنماط ترددها وخصائص توقيتها وجودة نغمتها.
عندما ترفع أغنية، يقوم الذكاء الاصطناعي بما يلي:
- يحوّل الصوت إلى تمثيل ترددي (المخطط الطيفي)
- يطبّق شبكة عصبية مدرَّبة لتحديد كل مصدر وعزله
- يعيد بناء الصوت المفصول من المكونات المعزولة
- يُخرج كل مكوّن كملف صوتي منفصل
ما مدى جودة فصل المكونات بالذكاء الاصطناعي اليوم؟
تحسّنت جودة فصل المكونات بالذكاء الاصطناعي تحسّنًا كبيرًا خلال السنوات القليلة الماضية. فنماذج التعلم العميق الحديثة تحقق جودة فصل صوتي كانت مستحيلة قبل 3–4 سنوات فقط.
بالنسبة للفصل إلى مكونين (صوت + موسيقى)، وهو ما يقدمه FreeVocalRemover، فإن الجودة عالية بما يكفي لتكون مفيدة فعلًا للريمكس والكاريوكي وتحليل الموسيقى. أما الفصل إلى أربعة مكونات (بإضافة الطبول والباس) فهو أصعب قليلًا لكنه متاح بشكل متزايد في أدوات الذكاء الاصطناعي المتقدمة.
المكونات مقابل المسارات: ما الفرق؟
- المسارات (متعددة المسارات) — قنوات مسجلة فردية. قد تتألف مجموعة الطبول من أكثر من 10 مسارات فردية (واحد لكل ميكروفون). وهي اللبنات الأولية الخام لجلسة التسجيل.
- المكونات (Stems) — مجموعات من المسارات مُمزوجة معًا. فمثلًا 10 مسارات طبول مُمزوجة إلى مكوّن طبول ستيريو واحد.
- الماستر (المزج) — كل المكونات مُمزوجة معًا للوصول إلى الأغنية النهائية.