YAPAY ZEKA SUNO AI TÜRK MÜZİĞİ ve Geleneksel Müzik Üretimi ve Kullanımı Üzerine
Suno ile Yapay Zekâ Destekli Türk Müziği Üretimi konusunda kısa bir giriş
Suno ile Yapay Zekâ Destekli Türk Müziği Üretimi
Geleneksel Kültür ile Geleceğin Teknolojisinin Buluşması
Giriş
Müzik tarihi boyunca teknolojik gelişmeler, bestecilerin ve müzisyenlerin üretim biçimlerini değiştirmiştir. Gramofondan manyetik teyplere, dijital kayıt sistemlerinden sanal enstrümanlara kadar her yeni teknoloji, müzik üretiminde yeni kapılar açmıştır. Son yıllarda ise yapay zekâ, müzik dünyasında belki de en büyük dönüşümü başlatmıştır.
Bu dönüşümün en dikkat çekici örneklerinden biri Suno AI platformudur. Suno, yalnızca birkaç satırlık metin kullanarak sözleri, melodisi, düzenlemesi ve vokali bulunan tamamen yeni şarkılar oluşturabilmektedir.
Türk müziği ise makam sistemi, usulleri, kendine özgü çalgıları ve zengin kültürel geçmişi sayesinde dünyanın en karakteristik müzik geleneklerinden biridir. Peki yapay zekâ bu kadar karmaşık bir müzik dilini öğrenebilir mi? Türk Sanat Müziği, Türk Halk Müziği, Arabesk veya Anadolu Rock tarzında eserler oluşturabilir mi?
Bu yazıdaSuno’nun çalışma prensibi, Türk müziğinde nasıl kullanılabileceği, başarılı sonuçlar için basit temel prompt yazma teknikleri ve dikkat edilmesi gereken noktalar temel olarak incelenmektedir.
Suno AI Nedir?
Suno AI, üretken yapay zekâ (Generative AI) teknolojisini kullanarak metin komutlarından müzik üreten çevrim içi bir platformdur.
Kullanıcı yalnızca birkaç cümle yazarak;
Beste
Melodi
Akor yapısı
Enstrümantasyon
Vokal
Şarkı sözleri
Düzenleme
Mix
gibi birçok aşamayı otomatik olarak oluşturabilir.
Geleneksel müzik üretiminde günler hatta haftalar sürebilecek süreçler, Suno sayesinde birkaç dakika içerisinde tamamlanabilmektedir. ARTLINE www.studioartline.com
Yapay Zekâ Müziği Nasıl Oluşturur?
Suno’nun temelinde milyarlarca müzik örneği üzerinde eğitilmiş büyük yapay zekâ modelleri bulunmaktadır.
Sistem;
ritim kalıplarını
armoniyi
vokal yapılarını
şarkı formlarını
enstrüman ilişkilerini
öğrenerek tamamen yeni kombinasyonlar üretmektedir.
Aslında Suno hazır parçaları birleştirmez.
Yeni bir eser oluşturur.
Bu yönüyle büyük dil modellerinin metin üretmesine benzer şekilde müzik üretmektedir.
Türk Müziğinin Yapay Zekâ Açısından Zorlukları
Türk müziği Batı müziğinden önemli ölçüde farklıdır.
En büyük farklardan biri makam sistemidir.
Batı müziğinde 12 eşit ses sistemi kullanılırken Türk müziğinde koma sesleri bulunur.
Bu nedenle;
Hicaz
Hüzzam
Nihavent
Rast
Uşşak
Segâh
gibi makamların karakteristik yapısını üretmek yapay zekâ için oldukça karmaşık bir süreçtir.
Benzer şekilde usuller de Batı ritimlerinden farklıdır.
Örneğin;
Aksak 9/8
Devr-i Hindi
Sofyan
Düyek
gibi ritmik yapılar, doğru şekilde tarif edilmediğinde Suno bunları çoğu zaman standart 4/4 ritimlere dönüştürebilmektedir.
Suno Türk Müziğinde Başarılı mı?
Kısa cevap:
Evet, ancak doğru yönlendirme yapıldığında.
Prompt ne kadar ayrıntılıysa sonuç o kadar başarılı olur.
Örneğin yalnızca;
Türk müziği yap
yerine
Duygusal bir Türk Halk Müziği. Bağlama, ney ve kaval kullan. 9/8 aksak ritim. Erkek vokal. Anadolu ezgileri. Doğal reverb. Organik kayıt hissi.
şeklindeki ayrıntılı komutlar çok daha başarılı sonuç vermektedir. www.studioartline.com
İyi Prompt Yazmanın Kuralları Basit Olarak Şöyle sıralanabilir
Başarılı bir Suno üretimi için aşağıdaki bilgiler mümkün olduğunca belirtilmelidir.
1. Tür
Türk Sanat Müziği
Türk Halk Müziği
Arabesk
Anadolu Rock
Pop
Tasavvuf
Fantezi
Özgün Müzik
2. Duygu
Hüzünlü
Coşkulu
Epik
Romantik
Kahramanca
Mistik
Meditatif
Umut dolu
3. Enstrümanlar
Türk müziğinde kullanılabilecek başlıca çalgılar:
Bağlama
Cura
Divan sazı
Ney
Kaval
Kabak kemane
Keman
Kanun
Ud
Tanbur
Darbuka
Bendir
Def
Zurna
Klarnet
Cümbüş
4. Ritim
Prompt içerisinde mutlaka belirtilmelidir.
Örneğin;
4/4
6/8
9/8
5/8
Aksak
Sofyan
Düyek
5. Vokal seçimi
Kadın
Erkek
Düet
Korolu
Fısıltılı
Derin bariton
Genç tenor
Anadolu aksanı
İstanbul Türkçesi
Örnek Birkaç Profesyonel Prompt Yazalım www.studioartline.com
Emotional Turkish Folk song. 9/8 aksak rhythm. Male vocal. Bağlama, ney, kaval and bendir. Deep emotional lyrics about homesickness and Anatolian villages. Organic recording. Warm analog sound. Natural reverb. Cinematic atmosphere. Rich stereo image.
-Arabesk İçin Örnek Prompt
-Classic Turkish Arabesk. Male vocal. Emotional performance. Ud, violin, qanun, darbuka. Slow tempo. Dramatic orchestration. Deep lyrics about separation, destiny and loneliness. Vintage cassette sound.
-Anadolu Rock İçin Prompt
-1970s Anatolian Rock. Electric guitar with bağlama. Hammond organ. Powerful drums. Psychedelic atmosphere. Inspired by Turkish folk melodies. Warm analog tape saturation.
-Tasavvuf Müziği İçin Prompt
-Spiritual Sufi music. Ney solo. Bendir percussion. Male choir. Deep mystical atmosphere. Slow tempo. Natural hall reverb. Traditional Turkish makam feeling.
-Türk Pop İçin Prompt
-Modern Turkish Pop. Female vocal. Catchy chorus. Acoustic guitar, piano and modern synth layers. Radio quality production. Emotional love song.
Suno’nun Avantajları
Dakikalar içinde şarkı üretimi
İlham kaynağı oluşturması
Demo hazırlama kolaylığı
Besteciler için hızlı fikir geliştirme
Farklı tarzları deneyebilme
Eğitim amaçlı kullanım
Aranjman fikirleri oluşturma
-Sınırlamaları
Her ne kadar başarılı olsa da Suno’nun şu an için (2026) bazı sınırlamaları vardır:
Makam geçkileri her zaman doğru olmayabilir.
Mikrotonları tam olarak üretemeyebilir.
Geleneksel icra tavrını birebir yansıtamayabilir.
Aynı prompt farklı sonuçlar verebilir.
Uzun eserlerde tutarlılık zaman zaman azalabilir.
Bu nedenle Suno, profesyonel müzisyenlerin yerini alan bir araçtan ziyade yaratıcı süreci hızlandıran güçlü bir yardımcı olarak değerlendirilmelidir.
Telif Hakları ve Etik Kullanım
Yapay zekâ ile üretilen müziklerde platformun güncel lisans koşulları dikkatle incelenmelidir. Ticari kullanım hakları, abonelik türüne göre değişebilir. Ayrıca yaşayan sanatçıların tarzını birebir taklit etmeye çalışmak yerine, özgün eserler üretmeye odaklanmak hem etik hem de yaratıcılık açısından daha doğru bir yaklaşımdır.
Gelecek Perspektifi
Önümüzdeki yıllarda yapay zekâ modellerinin Türk müziğinin makamlarını, usullerini ve geleneksel icra tekniklerini daha başarılı öğrenmesi beklenmektedir. Mikrotonal sistemlere verilen desteğin gelişmesiyle birlikte, Türk Sanat Müziği ve Türk Halk Müziği eserlerinin çok daha gerçekçi biçimde üretilebilmesi mümkün olacaktır. Yapay zekâ, bestecilerin yerini almak yerine onların üretim sürecini hızlandıran, yeni fikirler sunan ve denemeleri kolaylaştıran yaratıcı bir ortak hâline gelebilir.
Suno AI, Türk müziği üretiminde önemli bir potansiyel sunmaktadır. Doğru yazılmış prompt’lar, uygun enstrüman seçimleri, ritim ve makam tarifleriyle oldukça etkileyici sonuçlar elde edilebilir. Ancak en başarılı çalışmalar, yapay zekânın hızını insanın müzikal bilgisi, kültürel birikimi ve sanatsal yorumuyla birleştiren üretimler olacaktır. Türk müziğinin zengin mirası ile yapay zekânın üretim gücü bir araya geldiğinde, hem geleneksel köklere bağlı hem de çağdaş ve yenilikçi eserlerin ortaya çıkması mümkündür. ARTLINE www.studioartline.com
AI Müziği Nasıl Anlar?
2.1 Müziği Anlamak Nedir?
“İnsan müziği deneyimler; yapay zekâ ise müziği temsil etmeye çalışır.”
Bu cümle, bu bölümün temelini oluşturabilir..
Yapay zekâ ile müzik üretimi üzerine konuşurken en sık karşılaşılan yanlış anlamalardan biri, yapay zekânın müziği insanlar gibi “dinlediği” veya “anladığı” düşüncesidir. Günlük dilde bu ifadeler kullanılabilir; ancak teknik açıdan bakıldığında durum oldukça farklıdır.
İnsan kulağına ulaşan bir müzik parçası, yalnızca ses dalgalarından ibaret değildir. Dinleyici, aynı anda ritmi takip eder, melodiyi hafızasında önceki melodilerle karşılaştırır, armoninin oluşturduğu gerilimi hisseder, kullanılan enstrümanları ayırt eder ve bütün bunların üzerine kendi yaşam deneyimlerini ekleyerek müziğe kişisel bir anlam yükler. Aynı eser, farklı iki insanda tamamen farklı duygular uyandırabilir.
Yapay zekâ için ise durum farklıdır. Günümüzdeki üretken müzik sistemleri, müziği insanlar gibi bilinçli biçimde algılamaz. Bunun yerine, eğitim sürecinde karşılaştığı çok sayıda örnek arasındaki ilişkileri modellemeye çalışır. Başka bir ifadeyle, bir AI sistemi “hüzün” hissini yaşamaz; ancak insanlar tarafından “hüzünlü” olarak tanımlanan müziklerde hangi ortak özelliklerin bulunduğunu öğrenmeye çalışabilir.
Bu ayrımı doğru anlamak, yapay zekâ ile etkili çalışmanın ilk şartıdır.
Müzik Bir Fizik Olayıdır
Müzik hakkında konuşurken çoğu zaman sanatsal yönü ön plana çıkarılır. Oysa her müzik eserinin temelinde fizik vardır.
Bir gitar teline vurduğunuzda tel titreşmeye başlar. Bu titreşim çevresindeki havayı sıkıştırır ve gevşetir. Oluşan basınç değişimleri dalga hâlinde ilerler ve kulağımıza ulaşır. Kulak zarı bu titreşimleri mekanik hareketlere dönüştürür; iç kulaktaki hücreler ise bu hareketleri sinir sinyallerine çevirerek beyne iletir.
Dolayısıyla, ister Bach’ın bir fügü, ister bir Anadolu türküsü, ister modern bir elektronik müzik parçası olsun; başlangıç noktası aynıdır: havada yayılan fiziksel titreşimler.
Bilgisayarın ve yapay zekânın çalışabilmesi için bu fiziksel olayın sayısal olarak temsil edilmesi gerekir. Çünkü bilgisayarlar hava titreşimlerini doğrudan işleyemez; yalnızca sayılarla çalışabilir.
İşte dijital ses teknolojisinin ve yapay zekâ destekli müzik üretiminin başlangıç noktası budur.
İnsan Beyni Müziği Neden Anlamlı Bulur?
İnsan beyni sesleri yalnızca işitmez; onları düzenler, sınıflandırır ve anlamlandırır.
Kalabalık bir orkestrayı dinlerken kemanı yaylılardan, vurmalı çalgıları ritim bölümünden ayırabiliriz. Bir şarkının nakaratını ilk dinleyişte ezberlemeye başlayabiliriz. Çocukluğumuzda duyduğumuz bir türkü, yıllar sonra tek bir ölçüyle güçlü anıları canlandırabilir.
Bu durumun nedeni, beynimizin örüntü tanıma konusunda olağanüstü gelişmiş olmasıdır.
Müzikte de sürekli örüntüler ararız:
Tekrarlayan ritimler,
Benzer melodik hareketler,
Beklenen armonik çözümler,
Düzenli vurgu noktaları,
Tanıdık ses renkleri.
Bu örüntüler, müziğin anlaşılmasını ve hatırlanmasını kolaylaştırır.
İlginç olan nokta şudur: Yapay zekâ sistemleri de örüntüler üzerinden çalışır. Ancak burada benzerlik sona erer. İnsan örüntüleri anlamlandırır ve onlara duygusal bağlam yükler; yapay zekâ ise örüntüler arasındaki istatistiksel ilişkileri modellemeye çalışır.
Aynı Müziği Herkes Aynı Şekilde Mi Duyar?
Hayır.
Bu soru yalnızca psikoloji açısından değil, yapay zekâ açısından da önemlidir.
Bir Karadeniz türküsüyle büyüyen dinleyici, kemençenin sesini doğal ve tanıdık bulabilir. Aynı eseri ilk kez dinleyen başka biri ise dikkatini daha çok ritme verebilir.
Benzer şekilde, klasik Batı müziğine alışık bir dinleyici ile Türk sanat müziği makamlarını bilen bir dinleyici aynı melodiyi farklı biçimde yorumlayabilir.
Buradan çıkarılması gereken sonuç şudur:
Müzik algısı kültürel ve bireysel deneyimlerden etkilenir.
Yapay zekâ ise bu kültürel deneyimi yaşamaz. Eğitim sürecinde karşılaştığı örüntüler doğrultusunda belirli ilişkileri modellemeye çalışır. Bu nedenle, kullanıcı olarak bizim görevimiz mümkün olduğunca açık ve bağlamı güçlü tanımlar yapmaktır.
Örneğin yalnızca “Türk müziği” demek yerine, hedeflediğimiz estetiği daha ayrıntılı tarif etmek çoğu zaman daha açıklayıcı olur. İlerleyen bölümlerde bunun için sistematik yöntemler geliştireceğiz.
Bölüm Sonu Düşüncesi
Bu bölümde henüz Suno’dan, prompt yazımından veya teknik ayarlardan söz etmedik. Bunun bilinçli bir nedeni var.
Yapay zekâ müzik üretmeye başlamadan önce, müziğin ne olduğunu doğru anlamamız gerekir.
Müziğin fiziksel yapısını, insan beyninin müziği nasıl algıladığını ve yapay zekânın bu süreçten hangi yönleri modellemeye çalıştığını kavradığımızda, ileride yazacağımız her üretim spesifikasyonu (APS) çok daha bilinçli olacaktır. ARTLINE www.studioartline.com
AI Müziği Nasıl Anlar?
2.2 Müziği Anlamak ile Sesi Ölçmek Aynı Şey Değildir
İnsanlar günlük konuşmalarında sık sık “bilgisayar sesi dinledi”, “yapay zekâ şarkıyı anladı” veya “AI müziği çözdü” gibi ifadeler kullanırlar. Bu anlatım kolaylık sağlasa da teknik açıdan tam doğru değildir. Çünkü “duymak”, “algılamak”, “anlamak” ve “ölçmek” birbirinden farklı kavramlardır.
Bir konser salonunda oturduğunuzu düşünelim. Orkestra yavaşça çalmaya başlıyor. İlk birkaç saniye içinde beyniniz olağanüstü karmaşık işlemler gerçekleştirir. Yaylı çalgıların oluşturduğu ses dokusunu üflemeli çalgılardan ayırır, ritmi fark eder, melodinin yönünü takip eder ve daha önce dinlediğiniz müziklerle karşılaştırmalar yapmaya başlar. Eğer eser tanıdıksa, daha ilk ölçülerde devamını zihninizde tahmin edebilirsiniz. Eğer yeni bir eser dinliyorsanız, beyniniz sürekli olarak “bir sonraki notada ne olacak?” sorusuna cevap arar.
Bütün bu süreçler saniyenin çok küçük bir bölümünde gerçekleşir ve çoğunun farkına bile varmayız.
Bir bilgisayar ise aynı ses dosyasına baktığında bunların hiçbirini yapmaz.
Onun için ilk karşılaştığı şey, yalnızca belirli aralıklarla kaydedilmiş uzun bir sayı dizisidir.
Bu noktada çok önemli bir ayrım ortaya çıkar:
İnsan müziği anlamlandırır; bilgisayar önce onu ölçülebilir verilere dönüştürmek zorundadır.
Bu nedenle yapay zekâ ile müzik üretimini anlamak isteyen herkesin önce şu gerçeği kabul etmesi gerekir: Bilgisayar için müzik başlangıçta “sanat” değildir. Önce işlenebilir bir veri kümesidir. Sanatsal özellikler ise bu veriler arasındaki ilişkilerin modellenmesiyle temsil edilmeye çalışılır.
Sesin Fiziksel Yolculuğu
Müzik üretiminin temelinde aslında son derece basit bir fizik olayı vardır.
Bir gitar teline vurulduğunda tel ileri ve geri hareket eder. Bu hareket çevresindeki hava moleküllerini sıkıştırır ve gevşetir. Oluşan basınç değişimleri dalga şeklinde ilerler. Bu dalgalar kulağımıza ulaştığında kulak zarını titreştirir ve beynimiz bu titreşimleri ses olarak yorumlar.
Yapay zekâ bu sürecin hiçbir aşamasını doğrudan deneyimlemez.
Bir mikrofon ise bu fiziksel titreşimleri elektrik sinyaline dönüştürür. Ardından ses kartı veya kayıt sistemi bu elektrik sinyalini sayısallaştırır. Artık elimizde hava titreşimleri değil, milyonlarca sayısal örnek vardır.
Bu dönüşüm, modern müzik teknolojisinin temelidir.
Şunu özellikle vurgulamak gerekir: Yapay zekâ doğrudan havayı, titreşimi veya müzisyenin performansını işlemez. İşlediği şey, bu fiziksel olayın sayısal temsilidir.
Sayılar Nasıl Müziğe Dönüşür?
İlk bakışta şu soru akla gelir:
“Bir bilgisayar milyonlarca sayıdan oluşan bir diziyi nasıl müzik olarak yorumlayabilir?”
Bu sorunun cevabı, yapay zekâdan çok daha eskidir.
Dijital ses teknolojisi, onlarca yıldır bu problemi çözmek için geliştirilmiştir. Bir ses kaydı aslında belirli zaman aralıklarında ölçülen genlik değerlerinden oluşur. Ancak insanlar bu ham veriyi dinleyerek değil, ses oynatıcıların yeniden oluşturduğu sürekli dalga sayesinde müziği duyar.
Yapay zekâ ise bu ham veriyi olduğu gibi ezberlemeye çalışmaz. Çünkü bu hem verimsiz hem de pratik değildir. Bunun yerine ses içerisindeki daha anlamlı örüntüleri temsil etmeye yönelik yöntemlerden yararlanır. Bu temsil biçimleri, modelin eğitim yaklaşımına göre değişebilir; dolayısıyla tek bir standart yöntemden söz etmek doğru olmaz.
Önemli olan nokta şudur:
Model, milyonlarca sayıyı tek tek hatırlamak yerine, bu sayıların oluşturduğu müzikal yapıları temsil etmeye çalışır.
İşte “öğrenme” dediğimiz süreç de büyük ölçüde burada gerçekleşir.
İnsan Beyni ile Yapay Zekânın Ortak Noktası: Örüntü Arayışı
İnsan beyni sürekli tahmin üretir.
Bir melodiyi dinlerken, farkında olmadan bir sonraki notanın nasıl geleceğine dair beklentiler oluşturur. Beklediğimiz nota geldiğinde bunu doğal hissederiz. Beklenmedik bir nota geldiğinde ise şaşırırız, gerilim hissederiz veya yeni bir müzikal fikirle karşılaşırız.
Besteciler yüzyıllardır bu beklenti mekanizmasını kullanırlar.
Mozart da kullanmıştır.
Aşık Veysel de.
Pat Metheny de.
Bir caz doğaçlamacısı da.
Yapay zekâ sistemleri de örüntüler arasındaki ilişkileri modellemeye çalışır. Ancak burada dikkat edilmesi gereken çok önemli bir fark vardır.
İnsan, beklentisini bilinçli estetik tercihleriyle değiştirebilir.
Yapay zekâ ise bilinçli karar vermez; eğitim sırasında öğrendiği ilişkiler ve kullanıcının verdiği üretim tanımı doğrultusunda yeni olasılıklar oluşturur.
Bu nedenle aynı üretim tanımı bazen beklenmedik ama ilginç sonuçlar verebilir.
“Anlamak” Kelimesini Dikkatli Kullanmalıyız
Kitap boyunca zaman zaman “AI müziği anlıyor” ifadesini kullanacağız. Ancak bu, teknik bir kolaylıktır.
Daha doğru ifade şudur:
AI, müziğin belirli özellikleri arasındaki ilişkileri modellemeye çalışır.
Bu cümle ilk bakışta daha uzun ve daha az etkileyici görünebilir.
Fakat bilimsel olarak çok daha doğrudur.
Çünkü yapay zekâ;
sevinmez,
üzülmez,
özlem duymaz,
ilham beklemez.
Buna rağmen, insanlar tarafından “özlem”, “umut” veya “gerilim” olarak tanımlanan müziklerde hangi özelliklerin birlikte görüldüğünü öğrenmeye çalışabilir. stüdyo ARTLINE www.studioartline.com
BÖLÜM 2
AI Müziği Nasıl Anlar?
2.3 Bilgisayar İçin Ses Nedir?
Bir kayıt mühendisine, bir müzisyene ve bir bilgisayar mühendisine aynı soruyu sorduğunuzu düşünelim:
“Ses nedir?”
Muhtemelen üç farklı cevap alırsınız.
Müzisyen için ses; duygu, ifade ve iletişimdir.
Kayıt mühendisi için ses; ölçülebilen bir enerji hareketidir.
Bilgisayar mühendisi için ise ses; işlenebilir veridir.
Bu üç tanımın hiçbiri yanlış değildir. Ancak yapay zekâ ile müzik üretimini anlamak istiyorsak, sesin fiziksel bir olaydan sayısal veriye dönüşme sürecini ayrıntılı biçimde incelememiz gerekir.
Çünkü yapay zekâ, bir kemanın tınısını veya bir insan sesinin kırılganlığını doğrudan algılamaz. Önce bunların dijital temsilleriyle karşılaşır.
Bu nedenle şu soruyu sormamız gerekir:
Bir bilgisayar için Beethoven’ın 9. Senfonisi ile bir kapının gıcırtısı arasındaki temel fark nedir?
Cevap şaşırtıcıdır:
Başlangıçta neredeyse hiçbir fark yoktur.
Her ikisi de sayısal verilere dönüştürülmüş ses dalgalarıdır.
Fark, bu verilerin içerdiği örüntülerde ortaya çıkar.
Sesin Doğadaki Hâli
Ses, havada ilerleyen mekanik bir titreşimdir.
Bir bağlama teline vurduğunuzda tel titreşir.
Telin titreşimi havayı hareket ettirir.
Hava molekülleri birbirlerini iter.
Bu hareket dalgalar hâlinde yayılır.
Kulak zarına ulaştığında titreşim tekrar mekanik harekete dönüşür.
Sonunda beyin bu fiziksel olayı “ses” olarak yorumlar.
Burada çok önemli bir gerçek vardır:
Doğadaki ses kesintisizdir.
Başka bir ifadeyle analogdur.
Ses dalgası teorik olarak sonsuz sayıda ara değere sahiptir.
Bir keman yayı tel üzerinde ilerlerken ses;
anlık değişir,
sürekli değişir,
kesintisiz değişir.
Doğadaki sesin gerçek formu budur.
Bilgisayar Sürekli Olanı Göremez
Bilgisayarların temel problemi burada başlar.
Bilgisayarlar sürekli değişen olaylarla doğrudan çalışamaz.
Onlar belirli anlarda ölçüm yaparlar.
Bu nedenle sesin dijital dünyaya aktarılabilmesi için önce örneklenmesi gerekir.
Bu işleme İngilizcede Sampling denir.
Türkçede ise genellikle örnekleme olarak çevrilir.
Bir Film Şeridi Benzetmesi
Dijital sesi anlamanın en kolay yolu sinema örneğidir.
Bir film aslında hareket etmez.
Film;
saniyede 24,
25,
30 veya daha fazla
sabit kareden oluşur.
Ancak beynimiz bu kareleri art arda gördüğünde hareket algılar.
Dijital ses de benzer şekilde çalışır.
Ses dalgasının tamamını kaydetmek yerine, sistem belirli aralıklarla ölçüm yapar.
Örneğin 48 kHz bir kayıt sisteminde:
Bir saniyede yaklaşık 48.000 ölçüm yapılır.
Bu ölçümlerin her biri ses dalgasının o andaki durumunu temsil eder.
Bilgisayar açısından müzik artık:
“Bir saniyede alınmış 48.000 sayı”
haline gelir.
Neden 48.000 Ölçüm?
Bu soru dijital ses tarihinin en önemli sorularından biridir.
İlk bakışta şöyle düşünülebilir:
“İnsan kulağı çok hassassa neden saniyede 1 milyon ölçüm yapılmıyor?”
Çünkü mühendislik her zaman kalite ile verimlilik arasında denge kurmak zorundadır.
İnsan kulağının duyabildiği frekans aralığı yaklaşık olarak:
20 Hz ile 20 kHz arasındadır.
Bir sistemin 20 kHz’e kadar olan frekansları doğru temsil edebilmesi için bunun yaklaşık iki katı hızda örnekleme yapması gerekir.
Bu prensip dijital ses teknolojisinin temel taşlarından biri olan Nyquist yaklaşımına dayanır.
Bu nedenle:
44.1 kHz
48 kHz
96 kHz
gibi değerler ortaya çıkmıştır.
Bu konuya ilerleyen bölümlerde matematiksel ayrıntılarıyla döneceğiz.
Şimdilik bilinmesi gereken şey şudur:
Örnekleme oranı yükseldikçe sistem zaman içinde daha fazla ölçüm yapar.
Ancak bu her zaman duyulabilir bir kalite artışı anlamına gelmez.
Her Ölçümün Bir Değeri Vardır
Örnekleme yalnızca ne zaman ölçüm yapıldığını belirler.
Bir de şu soru vardır:
Ölçülen değer ne kadar hassas kaydediliyor?
İşte burada Bit Depth yani Bit Derinliği devreye girer.
Bir fotoğraf düşünelim.
Siyah ile beyaz arasında yalnızca iki ton varsa görüntü oldukça kaba görünür.
Ancak milyonlarca renk tonu olduğunda görüntü daha doğal görünür.
Dijital ses de benzer şekilde çalışır.
Bit derinliği arttıkça sistem daha hassas genlik değerleri saklayabilir.
Bu nedenle:
16 Bit
24 Bit
32 Bit Float
gibi kavramlar ses mühendisliğinde büyük önem taşır.
Yapay Zekâ İçin Bunun Önemi Nedir?
Bir AI sistemi müziği öğrenirken:
mikrofon görmez,
gitar görmez,
bağlama görmez,
vokalist görmez.
Karşısında yalnızca sesin dijital temsili vardır.
Ancak bu temsilin kalitesi son derece önemlidir.
Çünkü kötü kaydedilmiş bir veri seti:
kötü örüntüler öğretir.
Temiz kaydedilmiş bir veri seti ise:
daha net ilişkiler sunabilir.
Bu nedenle ses kalitesi yalnızca dinleyici için değil, yapay zekâ eğitimi açısından da önemlidir.
Burada dikkat edilmesi gereken nokta, ticari sistemlerin hangi veri setlerini kullandıklarının ve eğitim süreçlerinin ayrıntılarının çoğu zaman kamuya açık olmamasıdır. Bu nedenle genel ilkeyi anlatıyoruz: Veri kalitesi, öğrenilen örüntülerin kalitesini etkileyebilir.
Sayılar Nasıl Müziğe Dönüşüyor?
Şimdi ilginç bir paradoksla karşılaşıyoruz.
Bir bilgisayarın içinde:
duygu yok,
enstrüman yok,
sahne yok,
konser salonu yok.
Yalnızca sayılar var.
Buna rağmen insanlar bu sayıları tekrar sese dönüştürdüğünde:
ağlayabiliyor,
heyecanlanabiliyor,
anılarını hatırlayabiliyor.
Bu durum bize çok önemli bir şey gösteriyor.
Müzik duyguyu taşıyan şey değildir.
Müzik, duyguyu tetikleyebilen bir yapıdır.
Yapay zekâ da işte bu yapılar arasındaki ilişkileri modellemeye çalışır.
Gerçek Dünya Örneği
Bir Anadolu türküsü düşünelim.
Bir bağlama giriş yapıyor.
Ardından erkek vokal geliyor.
Arka planda hafif oda yansımaları duyuluyor.
İnsan bunu şöyle tarif eder:
“Samimi.”
Bilgisayar ise başlangıçta şöyle görür:
belirli frekans dağılımları,
belirli ritmik örüntüler,
belirli spektral değişimler,
belirli zamansal ilişkiler.
İnsan ile bilgisayar arasındaki fark tam olarak budur.
İnsan anlamı duyar.
Bilgisayar örüntüyü işler.
AI ise bu örüntüler ile insanların verdiği tanımlar arasındaki ilişkileri modellemeye çalışır.
Yapay zekâ ile müzik üretimini anlamak isteyen herkes şu gerçeği kabul etmek zorundadır:
Yapay zekâ için müzik önce sestir.
Ses önce veridir.
Veri ise sayılardan oluşur.
Ancak bu hikâyenin yalnızca başlangıcıdır.
Çünkü bir sonraki bölümde göreceğimiz gibi, milyonlarca sayıdan oluşan bir ses kaydının içinde:
ritim,
melodi,
armoni,
tını,
duygu çağrışımları
nasıl temsil edilebiliyor sorusu hâlâ cevaplanmış değildir.
İşte AI müzik teknolojisinin asıl büyüsü de burada başlar.
