जॉन लेनन आर्टिफिशियल इंटेलिजेंस प्रोजेक्ट एक शोध पहल है जो बीटल्स के संस्थापक सदस्य जॉन लेनन से जुड़ी अभिलेखीय ऑडियो सामग्री पर आर्टिफिशियल इंटेलिजेंस और मशीन-लर्निंग तकनीकों को लागू करती है। इसका सबसे अधिक सार्वजनिक रूप से दिखाई देने वाला परिणाम 2023 में बीटल्स का अंतिम एकल "नाउ एंड देन" का रिलीज़ था, जिसमें एआई-संचालित ऑडियो पृथक्करण का उपयोग करके 1970 के दशक के अंत में रिकॉर्ड किए गए कम-फिडेलिटी होम डेमो से लेनन के स्वर ट्रैक को अलग किया गया। यह परियोजना यह प्रदर्शित करने के लिए उल्लेखनीय है कि कैसे डीप-लर्निंग मॉडल मूल प्रदर्शन के चरित्र को बदले बिना ऐतिहासिक रिकॉर्डिंग को पुनर्स्थापित और रीमास्टर कर सकते हैं।
यह परियोजना संगीत प्रौद्योगिकी में एक व्यापक प्रवृत्ति से उभरी, जहाँ 2010 और 2020 के दशक में न्यूरल-नेटवर्क-आधारित स्रोत पृथक्करण व्यावहारिक हो गया। पहले के डिजिटल पुनर्स्थापन विधियों के विपरीत जो मैनुअल फ़िल्टरिंग पर निर्भर थे, जॉन लेनन परियोजना ने स्वर और वाद्य रिकॉर्डिंग के बड़े डेटासेट पर प्रशिक्षित जनरेटिव-एआई मॉडल का उपयोग किया। ये मॉडल लेनन की आवाज़ को पियानो संगत और पृष्ठभूमि शोर से अलग कर सकते थे, एक ऐसा कार्य जिसे पारंपरिक सिग्नल-प्रोसेसिंग एल्गोरिदम करने में संघर्ष करते थे। परियोजना की सफलता को ट्रांसफॉर्मर आर्किटेक्चर और लार्ज-लैंग्वेज-मॉडल-संबंधित ऑडियो मॉडल में प्रगति के लिए श्रेय दिया गया है, हालाँकि विशिष्ट तकनीकी विवरण आंशिक रूप से स्वामित्व में बने हुए हैं।
तकनीकी दृष्टिकोण
मुख्य तकनीकी चुनौती एक मोनो रिकॉर्डिंग से एकल स्वर पंक्ति को अलग करना था जिसमें महत्वपूर्ण टेप हिस और कमरे की ध्वनि थी। परियोजना ने एक कस्टम एनकोडर-डिकोडर नेटवर्क का उपयोग किया, जो भाषण पृथक्करण अनुसंधान में उपयोग किए जाने वाले आर्किटेक्चर के समान था, लेकिन संगीत के लिए अनुकूलित। प्रशिक्षण डेटा में बीटल्स के स्टूडियो आउटटेक और एकल लेनन रिकॉर्डिंग के सैकड़ों घंटे शामिल थे, जिससे मॉडल लेनन के स्वर समय, वाक्यांश और अभिव्यक्ति को सीख सका। मॉडल ने उन आवृत्ति बैंडों पर ध्यान केंद्रित करने के लिए मल्टी-हेड-अटेंशन तंत्र का उपयोग किया जहाँ स्वर प्रमुख होते हैं, जबकि पियानो ट्रांज़िएंट को दबाया जाता है।
एक प्रमुख नवाचार करिकुलम-लर्निंग का उपयोग था, जहाँ मॉडल पहले स्वच्छ स्टूडियो रिकॉर्डिंग पर प्रशिक्षित हुआ, फिर धीरे-धीरे शोरगुल और अधिक ख़राब उदाहरणों पर। इस दृष्टिकोण ने हर कलाकृति की मैनुअल एनोटेशन की आवश्यकता के बिना मजबूती में सुधार किया। अंतिम पृथक्करण को मॉडल-प्रूनिंग का उपयोग करके परिष्कृत किया गया ताकि कम्प्यूटेशनल ओवरहेड कम हो सके, जिससे उपभोक्ता-ग्रेड हार्डवेयर पर प्रसंस्करण संभव हो सका। परियोजना ने डेटा-ऑगमेंटेशन तकनीकों को भी शामिल किया, जैसे प्रशिक्षण नमूनों में सिंथेटिक कमरे की प्रतिध्वनि और टेप शोर जोड़ना, ताकि ओवरफिटिंग को रोका जा सके।
ऐतिहासिक संदर्भ
जॉन लेनन ने 1977 में न्यूयॉर्क में अपने घर पर "नाउ एंड देन" के लिए डेमो रिकॉर्ड किया, एक साधारण कैसेट रिकॉर्डर का उपयोग करके। 1980 में उनकी मृत्यु के बाद, टेप योको ओनो के कब्जे में रहा, जिसने इसे 1994 में जीवित बीटल्स को दिया। एंथोलॉजी सत्रों के दौरान गीत को पूरा करने का एक प्रारंभिक प्रयास खराब ऑडियो गुणवत्ता के कारण छोड़ दिया गया था, जिसने लेनन की आवाज़ को पियानो से लगभग अप्रभेद्य बना दिया था। परियोजना ने 2020 के बाद ट्रैक में रुचि को पुनर्जीवित किया, जब एआई-आधारित ऑडियो पुनर्स्थापन में प्रगति ने स्वर को अलग करना संभव बना दिया।
यह परियोजना संगीत उत्पादन में कंप्यूटर के उपयोग के एक बड़े इतिहास का हिस्सा है। ज़ेरॉक्स-पार्क और नोकिया-बेल-लैब्स में 1970 और 1980 के दशक के शुरुआती प्रयोगों ने डिजिटल संश्लेषण और विश्लेषण की खोज की, लेकिन वास्तविक समय में पृथक्करण के लिए कम्प्यूटेशनल शक्ति की कमी थी। 2010 के दशक में ग्राफकोर और अन्य विशेष एआई हार्डवेयर के उदय ने ऑडियो डेटा पर बड़े मॉडल के प्रशिक्षण को सक्षम किया। जॉन लेनन परियोजना को विशेष रूप से एडब्ल्यूएस-ट्रेनियम और गूगल-क्लाउड बुनियादी ढांचे से लाभ हुआ, जिसने पुनरावृत्त मॉडल परिष्करण के लिए आवश्यक समानांतर प्रसंस्करण प्रदान किया।
नैतिक और कानूनी आयाम
परियोजना ने मृत कलाकारों की आवाज़ों को फिर से बनाने या बढ़ाने के लिए एआई के उपयोग के बारे में सवाल उठाए। आलोचकों ने तर्क दिया कि ऐसी तकनीक का दुरुपयोग प्रदर्शनों को गढ़ने के लिए किया जा सकता है, जबकि समर्थकों ने कहा कि परियोजना ने केवल मौजूदा रिकॉर्डिंग को पुनर्स्थापित किया, नई सामग्री उत्पन्न नहीं की। बीटल्स की संपत्ति, जिसमें एप्पल (बैंड का रिकॉर्ड लेबल) और सोनी-एआई (जिसने वितरण संभाला) शामिल थे, ने ऑडियो इंजीनियरों और लेनन के परिवार के साथ व्यापक परामर्श के बाद रिलीज़ को मंजूरी दी। परियोजना ने सिंथेटिक स्वर बनाने के लिए डीपफेक तकनीकों का उपयोग नहीं किया; इसके बजाय, इसने मूल रिकॉर्डिंग को अलग और साफ किया, लेनन के वास्तविक प्रदर्शन को संरक्षित किया।
2023 तक एआई-जनित संगीत के लिए कानूनी ढाँचे अभी भी विकसित हो रहे थे। परियोजना ने मौजूदा कॉपीराइट कानून के तहत काम किया, एआई को लेखक के बजाय एक उपकरण के रूप में माना। हालाँकि, परियोजना की सफलता ने संगीत उद्योग में आरएलएआईएफ (एआई फीडबैक से सुदृढीकरण सीखना) और अन्य तरीकों के बारे में चर्चाएँ शुरू कीं जिनका उपयोग किसी कलाकार की शैली में नए काम बनाने के लिए किया जा सकता है। परियोजना की टीम ने कोई औपचारिक शैक्षणिक पेपर प्रकाशित नहीं किया, लेकिन साक्षात्कार और उद्योग सम्मेलनों में तकनीकी विवरण साझा किए, स्वामित्व विधियों की रक्षा की आवश्यकता का हवाला देते हुए।
प्रभाव और विरासत
परियोजना की सफलता ने बाद के ऑडियो पुनर्स्थापन प्रयासों को प्रभावित किया, जिसमें अन्य अभिलेखीय रिकॉर्डिंग के पुनः जारी शामिल हैं। इसने प्रदर्शित किया कि डीप-लर्निंग मॉडल गैर-स्टूडियो स्थितियों, जैसे टेलीफोन रिकॉर्डिंग और लाइव प्रदर्शन, को संभाल सकते हैं, जो ऐतिहासिक अभिलेखागार में आम हैं। परियोजना ने ओपनएआई-संबंधित ऑडियो टूल के विकास में भी योगदान दिया, हालाँकि कोई सीधा सहयोग की पुष्टि नहीं हुई। 2024 तक, परियोजना संगीत में नैतिक एआई उपयोग के लिए एक संदर्भ बिंदु बनी हुई है, तकनीकी क्षमता को कलात्मक इरादे के प्रति सम्मान के साथ संतुलित करती है।
परियोजना की पद्धति को अन्य शैलियों, जैसे शास्त्रीय और जैज़ रिकॉर्डिंग, के लिए अनुकूलित किया गया है, जहाँ समान पृथक्करण चुनौतियाँ मौजूद हैं। इसने एमआईटी-सीएसएआईएल और स्टैनफोर्ड-एआई-लैब में व्याख्यात्मक ऑडियो मॉडल पर शैक्षणिक शोध को भी प्रेरित किया, जिसका उद्देश्य पृथक्करण निर्णयों को अधिक पारदर्शी बनाना है। जबकि जॉन लेनन परियोजना एक एकमुश्त पहल थी, इसकी तकनीकें अब संगीत मास्टरिंग में मानक अभ्यास का हिस्सा हैं, जिसमें सांबा-नोवा और ग्रॉक जैसी कंपनियाँ ऑडियो प्रसंस्करण के लिए विशेष अनुमान सेवाएँ प्रदान करती हैं।
भविष्य की दिशाएँ
परियोजना के भविष्य के पुनरावृत्तियाँ पूर्ण मल्टी-ट्रैक पृथक्करण तक विस्तारित हो सकती हैं, मोनो मिक्स से व्यक्तिगत वाद्ययंत्रों को अलग करना। शोधकर्ता गीत प्रतिलेखों के साथ ऑडियो को संरेखित करने के लिए क्रॉस-अटेंशन तंत्र की भी खोज कर रहे हैं, संभावित रूप से ख़राब रिकॉर्डिंग के स्वचालित प्रतिलेखन को सक्षम करना। परियोजना की सफलता ने संगत ट्रैक उत्पन्न करने के लिए टॉप-के-सैंपलिंग और टेम्परेचर-स्केलिंग में रुचि बढ़ाई है, हालाँकि ऐसे अनुप्रयोग विवादास्पद बने हुए हैं। जैसे-जैसे एआई मॉडल अधिक कुशल होते जाते हैं, समान पुनर्स्थापन परियोजनाएँ स्वतंत्र कलाकारों और अभिलेखागारों के लिए सुलभ हो सकती हैं, ऐतिहासिक ऑडियो तक पहुँच को लोकतांत्रिक बनाते हुए।
जॉन लेनन आर्टिफिशियल इंटेलिजेंस प्रोजेक्ट सांस्कृतिक विरासत पर लागू एआई का एक ऐतिहासिक मामला है। इसने दिखाया कि मशीन-लर्निंग कलात्मक प्रदर्शनों को संरक्षित और प्रकट कर सकता है जिन्हें पहले खोया हुआ माना जाता था, साथ ही प्रामाणिकता और सहमति के बारे में महत्वपूर्ण प्रश्न भी उठाता है। इसकी विरासत बढ़ने की संभावना है क्योंकि एआई उपकरण संगीत उत्पादन और अभिलेखीय कार्य में अधिक एकीकृत होते जाते हैं।