Marsz grenadierów

---

Naprzód marsz!
Stańmy na zew! Humor i śpiew!
Niechaj na ustach kwitnie nam

Naprzód marsz!
Wszyscy pod broń! Do góry skroń!
Śmiejmy się u sezonu bram

Kto jest jaki mruk, ten jest nasz wróg!
Kto zuch, niechaj się bawi za dwóch!

Naprzód marsz!
Kto przeciw nam! Ten będzie sam!
Śmiech go pobije nam

My „Morskiego Oka” dzielna straż!

Dodałem możliwość odtwarzania utworu w pętli, gdyby komuś miało to się przydać.

Gdyby ktoś miał pomysł na inną funkcjonalność, to proszę się nie krępować. 😊
Najwyżej się nie da.

skoro Kierownik pozwala się funkcjonalnie nie krępować - to jazda (niekrępująca)

oddzielanie wokalu od reszty (podobno AI to potrafi). Wtedy byłoby łatwiej spisać teksty

i na odwrót - usuwanie wokalu z zachowaniem podkładu. Można by wtedy sobie w domu poudawać Miecia lub Zulę

Obawiam się, że przy takim ogromie opcji player stanie się trudny w obsłudze. Może dałoby się to jakoś inaczej rozwiązać, np. zrobić podstronę ze wspomnianymi funkcjami AI?

Osobiście cenię sobie minimalizm w myśl zasady "co za dużo, to nie zdrowo". 🙃

Może Rabinom wystarczy kliknąć na "zagraj"? Nikt ich przecież nie zmusza do korzystania z dodatkowych opcji. I choć ciągle przybywa możliwości - to opcja "zagraj" w odtwarzaczu jest wciąż w tym samym miejscu., wymaga wciąż tej samej obsługi i działa dokladnie tak samo - zarówno dla wielbicieli minimalizmu, jak i dla zwolenników maksymalizmu 😋

Zrobienie udanej izolacji wokalu lub podkładu bez straty dla treści jest praktycznie niemożliwe.

W przypadku nagrań z dwudziestolecia międzywojennego i starszych sprawa jest znacznie bardziej skomplikowana niż przy współczesnych. Przede wszystkim wokal i instrumenty były nagrywane jednocześnie i zapisywane jako jeden wspólny sygnał. Nie istniały wtedy wielośladowe sesje nagraniowe, z których można by było wyciągnąć osobną ścieżkę wokalu czy akompaniamentu. Dodatkowo technika nagraniowa tamtego okresu miała swoje ograniczenia. Pasmo przenoszenia było węższe niż obecnie, a głos i instrumenty często nakładały się na siebie w tych samych zakresach częstotliwości. To oznacza, że próba usunięcia głosu powoduje jednocześnie usunięcie części brzmienia instrumentów.

Poza tym ogólnodostępne narzędzia wykorzystujące sztuczną inteligencję nie są w stanie wiernie zachować wszystkich cech wykonania. Dotyczy to zarówno wokalu, jak i partii instrumentalnych. W trakcie separacji nieuchronnie pojawiają się zniekształcenia, zmiany barwy, utrata detali czy charakterystycznych niuansów interpretacyjnych. Wynika to z samej zasady działania takich systemów. AI nie odkrywa ukrytych ścieżek nagraniowych, lecz na podstawie wyuczonych wzorców zgaduje, które fragmenty sygnału należą do głosu, a które do instrumentów. Jeżeli w nagraniu występuje szum, trzaski lub inne uszkodzenia typowe dla płyt szelakowych, a część informacji jest słabo słyszalna, algorytm często próbuje ją odtworzyć lub uzupełnić. Zazwyczaj z marnym skutkiem. W efekcie otrzymujemy nie tyle wierną rekonstrukcję oryginału, ile jego komputerową interpretację, która może dodawać elementy nieobecne w nagraniu albo pomijać istotne szczegóły wykonawcze.

AI na ten moment w naszej dziedzinie jest narzędziem zupełnie bezużytecznym. Nie jest w stanie ani poprawić jakości nagrania (tj. odszumić go), ani wyizolować wokalu i akompaniamentu. Jeżeli chodzi o wiedzę, to wszelkiego rodzaju czaty również radzą sobie z tym nieszczególnie dobrze — często wypisują bzdury lub podają informacje bez pokrycia w wiarygodnych źródłach.

Ale się rozpisałem...

Dodam tylko, że sensowną jakość (podam przykład później) i tylko przy dobrej jakości nagrania - brak szumów, trzasków - dają narzędzia komercyjne, co przy ujemnym budżecie utrzymania strony jest poza zasięgiem. Nie da się.

@Janek T.

Nieprawda.

już jest możliwe, choć nie za darmo

https://vocalremover.org/pl/

(i tu Kierownik ma rację, że w przypadku strony "nie warta skórka za wyprawkę"), choć reszta wpisu Kierownika też mija sie z prawdą. Szumotrzaski sobie sprawdzilem (bo jedną sztukę można sobie robić za darmo)

efekt? A taki:

Spójrz tam daleko, gdzie słońca lśni wzór tam jest wiśniowy kraj.
Tam, gdzie gejsz rzesze są pełne cnót i Madame Butterfly.

Pod parasolem twem srebrzysty słychać śpiew, co mknie jak zefir z drzew, Japonko.
Patrz biały chłopcze mój, jak piękny mnie zdobi strój, jam jest jak motyli rój, Japonka.
Mów mi, co chcesz, drobne usta me bierz, dopóki trwa noc i zmierzch.
Tyś me serduszko skradł, lecz jutro odjedziesz w świat, i zwiędnie lotosu kwiat, Japonka.

Znana historia, lecz znów jest w niej moc tych łez, tych tęsknych łez,
Złote świątynie śpiewają co noc o kwiecie, który zwiędł.

****

ale co ja tam się znam. 😋

@Janek T. - prawdą jest natomiast że separacja zniekształca barwę. Ale nie chodzi o to aby odserparowany wokal wrzucać na stronę. To jest tylko narzędzie pomocnicze do odcyfrowania tekstu, a dla literek barwa jest raczej obojętna

Z czystej ciekawości sprawdziłem program, który Pan podlinkował.

Wrzuciłem do niego najlepiej brzmiące nagranie z epoki, jakie mam.

Efekt?
W sekcji wokalu nadal pozostała część podkładu (przede wszystkim instrumenty dęte), a niektóre słowa – te, których pasmo pokrywało się z pasmem instrumentów – wręcz częściowo zanikły.

Poza tym utwór, którego tekst spisał Pan przy pomocy tego programu, był akurat stosunkowo łatwy do przepisania nawet bez izolacji wokalu.
Pańska wersja zawiera oczywiste błędy wynikające z niedoskonałości programu :

w. 1. Spójrz tam daleko, gdzie słońca lśni WSCHÓD, NA DRZEW wiśniowyCH kraj
w. 4. Pod parasolem DRZEW srebrzysty słychać śpiew, co mknie jak zefirU WIEW, Japonka
w. 9. Znana historia, lecz SMUTKU w niej moc i łez, DZIEWCZĘCYCH łez.
(błędów jest więcej)

Najprawdopodobniej niezbyt udana izolacja wokalu spowodowała zanik części końcówek słów i pojedynczych głosek na rzecz elementów podkładu muzycznego.

Dlatego mam wątpliwości, czy narzędzie to rzeczywiście sprawdza się przy tego typu transkrypcjach.

Co do kwestii barwy dźwięku – jest ona "dla literek" bardzo istotna. Jeżeli podbijemy niskie tony, naturalnie osłabieniu ulegną głoski syczące oraz miękkie, a ich brak może znacząco utrudnić poprawną transkrypcję. Doskonale to widać na Pańskim przykładzie.

@ JanekT

dziękuję za konstruktywne uwagi. Ale z paroma rzeczami pozwolę się nie zgodzić:

1. Skoro "Japonka" jest taka łatwa do spisania - to dlaczego przez kilka lat od wrzucenia nagrania na stronę (skoro ma numer 328 to musialo być daaawno temu) NIKT, absolutnie NIKT nawet nie spróbował się tego podjąć (nawet Pan, czy obdarzeni świetnym uchem Pani Iwona i Pan Kierownik 😉

2. Zdecydowanie łatwiej poprawić błędy w czyjejś transkrypcji (za co dziekuję) niż dokonać pierwszej transkrypcji. Jednocześnie zdecydowanie łatwiej jest domyślić się "znikniętych" słów na podstawie nawet automatycznie odseparowanego wokalu. Ja tego nie zrobilem, bo - z braku czasu - to mial być przyklad na szybko, więc przesluchałem tylko raz. W piosenkach na tekście których mi NAPRAWDĘ zależy - obrabiam taki plik jakimś Audacity czy podobnym (głownie kompresja, wokoder i podbicie pasma 600-1600, bo takie slyszę najgorzej), odtwarzam kilka razy i dopiero wtedy s0bie spisuję. Teraz pomagam sobie jeszcze uprzednią separacją . A są to piosenki nagrane amatorsko , w warunkach polowych, na badziewnych kaseciakach i ze znacznie słabszą jakością niż płyty przedwojenne (wiem, nie ma w nich trzasków i przeskoków, ale za to ilość zniekształceń i zakłóceń zewnętrznychjest tam masakrycznie wysoka). To piosenki studenckie z lat 60-70 ub. wieku. Zajmuje mi to cały wolny czas. Stąd nie udzielam sie tutaj. A ponadto właśnie zyskalem kolejny argument by nie spisywać Ratoldów. Bo robię to źle, gdyż "stare melodie" to dla mnie relaks, a nie pasja - pasją jest to co opisałem wyżej.

3. wspomniany program dopiero raczkuje (dostępny jest 4 miesiące) i jest ciagle ulepszany.

4. Faktycznie -pozostawia niektóre dęciaki. Ale przy odsłuchu łatwo je już samemu "odseparować" od wokalu

5. Podobnie jak Pan nie jestem bezkrytycznym wielbicielem AI - nie mniej "nigdy nie mów "nigdy" i "coś jest niemożliwe" 😉

6. Jestem tylko amatorem piosenek (nie tylko starych), który niedawno trafił na te stronę przypadkiem. A jak wszystkie to żadna 😉 . Tu wymagana jest specjalizacja, jak "w starych melodiach" czy "dekonstrukcjach piosenek" z YT przez pana Olszewskiego (0db) , albo nawet (FUJJ) "dysko z pola". A ja słucham wszystkiego. Od rapu do Rapackiego, od be bopu do Bo do.

Przepraszam , że się wtrąciłem do dyskusji specjalistów

Nie bardzo rozumiem, jaki związek z oceną programu ma fakt, że nikt wcześniej nie spisał „Japonki”. Brak transkrypcji nie świadczy ani o łatwości, ani o trudności utworu. Wiele nagrań pozostaje niespisanych wyłącznie dlatego, że nikt akurat się nimi nie zainteresował lub nie znalazł na to czasu.

Podobnie argument, że łatwiej jest poprawiać istniejącą transkrypcję niż tworzyć ją od podstaw, jest oczywiście prawdziwy, ale nie odnosi się do meritum sprawy. Ja nie twierdziłem, że wykonanie pierwszej transkrypcji jest łatwe. Twierdziłem natomiast, że program nie poprawił jakości odczytu tekstu, lecz w kilku miejscach ją pogorszył.

Przedstawiłem konkretne przykłady, w których po zastosowaniu separacji zniknęły fragmenty wyrazów i pojawiły się błędne odczyty. Nie są to przypuszczenia, lecz rzeczywiste błędy sztucznej inteligencji, których - niezależnie od porgramu - jest wiele.

Pisze Pan również, że program jest nowy i będzie rozwijany. Nie mam powodów tego kwestionować. Być może za kilka lat, kiedy AI się rozwinie, będzie działał znacznie lepiej. Jednak przedmiotem dyskusji jest jego obecna skuteczność, a nie potencjalne możliwości przyszłych wersji.

W moimteście efekt był taki, że część podkładu pozostała słyszalna, natomiast niektóre elementy wokalu zostały osłabione lub utracone. W konsekwencji program usunął nie tylko fragmenty muzyki, ale również fragmenty informacji językowej. A dla osoby próbującej ustalić tekst piosenki jest to wada zasadnicza.

Dlatego podtrzymuję swoje stanowisko: w obecnej postaci narzędzie to nie stanowi wiarygodnej metody pomocniczej transkrypcji.

-----
Absolutnie nie ma Pan za co przepraszać. Każdy ma prawo wyrazić swoją opinię, niezależnie od poziomu i stopnia zaawansowania.

źle mnie Pan z5rozumiał. To, że nikt wcześniej nie spisał "Japonki" odnosiło się do Pana slów, że jest ona "stosunkowo łatwa do spisania". (moim zdaniem, w wersji zamieszczonej na stronie - nie jest). W tym zdaniu nie było akurat ani słowa o programie do separacji.

Niemniej, nie ma tego złego. Po Pana poprawkach Kierownik ma już gotowy tekst i może go dorzucić

Piwopiju! Piosenka ma numer 7155 (styczeń 2026 r.) - w URLu widać.
A 3… to nieoczywisty, „tajny” licznik odsłon. 😉
I faktycznie utwór gdzieś się zachachmęcił, że nawet pani Iwona go przeoczyła, nie mówiąc o mnie.

faktycznie, źle popatrzylem. A kończąc dyskusję. W chwili gdy "separowalem" (z miesiąc temu) nie wiedziałem, że Kierownik wrzuci czysta wersję w MP3. Robiłem to z YT Pana Płaczkiewicza. Ta nowa wersja jest faktycznie "latwa do spisania"