Zajedno sa svojim kolegama i prijateljima, Stefan Sretić iz Niša osmislio je model koji pokreće veštačka inteligencija, kako bi omogućio solistima da vežbaju uz orkestarsku pratnju bilo kada i bilo gde.
Problem solista u klasičnoj muzici
U svetu klasične muzike, solisti se često susreću sa problemom gde i kako mogu da pronađu orkestarsku pratnju koja im je neophodna za pripremu nastupa.
Iako je razvoj tehnologije vremenom ponudio određene mogućnosti – poput vežbanja uz nasnimljene audio snimke orkestara – pokazalo se da takva praksa nije idealno rešenje, jer su ti snimci „fiksirani“ kada je u pitanju tempo.
Razlike između pop i klasične muzike
Dok je u pop muzici tempo uglavnom stabilan od početka do kraja pesme, u klasičnoj muzici svako izvođenje podrazumeva varijacije u tempu, što je čini posebno zahtevnom za soliste koji vežbaju sami.
Ideja rođena iz ličnog iskustva
Tridesetjednogodišnji Stefan Sretić, koji predaje na Katedri za klavir na Fakultetu umetnosti u Nišu, prepoznao je ovaj problem i našao rešenje.
Zajedno sa svojim kolegama i prijateljima osmislio je model pokretan veštačkom inteligencijom koji omogućava interaktivno vežbanje uz orkestarsku pratnju.
Kako kaže, ideju je dobio na osnovu ličnog iskustva, ali i iskustva prijatelja Andrije – kreativnog direktora njihove firme – nakon što su uvideli koliko je organizacija proba sa klavirskim i orkestarskim pratnjama zahtevna.
Rešenje u obliku startapa PocketSymphony
„Problemi klasičnih muzičara su isti kao i pre 400 godina“, kaže Sretić. „To nas je navelo da tražimo savremeno rešenje, pa smo sredinom prošle godine osnovali PocketSymphony, sa ciljem da iskoristimo prednosti moderne tehnologije kako bismo rešili te poteškoće.“
Kako funkcioniše model zasnovan na veštačkoj inteligenciji?
Sistem interpretaciju soliste „sluša“ preko mikrofona i koristi duboko učenje i analizu zvuka kao mehanizam za praćenje tempa izvođača u realnom vremenu.
„U realnom vremenu reprodukuje orkestarsku pratnju koristeći unapred programirane virtuelne instrumente, koji se prilagođavaju izvođenju soliste. Tehnologija se oslanja na napredne modele mašinskog učenja, konvolucijske neuronske mreže za obradu zvuka i specijalizovane algoritme za detekciju tempa i sinhronizaciju“, pojašnjava Sretić.
Široka primena u obrazovanju i profesionalnoj muzici
Ovo rešenje se može koristiti u edukativne svrhe – u muzičkim školama i na akademijama – ali i u operskim kućama, za pripremu solista, čime se značajno olakšavaju muzičke probe i nastupi.
