Dlaczego zbudowaliśmy ArrangementLabs.ai

Kilka lat temu siedziałem przy biurku z fortepianową aranżacją preludium Bacha i kwartetem smyczkowym, który miałem do końca tygodnia oddać młodzieżowemu zespołowi. Jestem muzykiem — kształciłem się w grze na fortepianie — i spędziłem dość godzin na aranżowaniu, żeby wiedzieć, jak ten proces wygląda. Siadasz z nutami. Decydujesz, kto co gra. Wypisujesz każdą partię. Odsłuchujesz ją w głowie. Łapiesz błędy. Poprawiasz. Zanim kwartet ma cokolwiek czytelnego, trzy godziny wieczoru są poza zasięgiem.

Tamtej nocy zrobiłem to, co robiłem już kilkanaście razy: otworzyłem program do notacji i zacząłem przepisywać. Gdzieś koło drugiej strony zadałem sobie pytanie, które nie znika, gdy raz je zadasz. Dlaczego robię to ręcznie w 2024 roku? Dlaczego nie ma narzędzia, które obsłuży mechaniczne 80% tej pracy — oczywiste decyzje voicingowe, sprawdzenie zakresów, redystrybucję takt po takcie — i zostawi mi 20%, które naprawdę wymagają mojej oceny?

Szukałem. Narzędzia, które znalazłem, albo nie istniały, albo nie działały. Technologia muzyczna rozwiązała transkrypcję. Nie rozwiązała problemu redystrybucji. Były dema AI produkujące coś o kształcie kwartetu. Żadne z nich nie tworzyło materiału, który dałbym muzykowi bez pisania od nowa. Przepaść między „narzędziem AI do muzyki, które można pokazać na podcaście” a „narzędziem AI do muzyki, które czynny aranżer trzyma otwarte przy deadlinie” była ogromna.

Ta przepaść jest powodem istnienia ArrangementLabs.ai.

W co wierzyłem na początku

Miałem kilka przekonań na starcie, które okazały się ważne.

Po pierwsze: redystrybucja głosów to prawdziwe rzemiosło. Nie problem generowania treści. Nie problem transferu stylu. Rzemiosło — z wiekami nagromadzonej praktyki i całym ciałem konwencji, które działają. Konwencje są dobrze opisane w każdym podręczniku orkiestracji. Jeśli AI miało pomagać w aranżacji, musiało nauczyć się faktycznego rzemiosła, a nie produkować coś, co tylko wygląda jak aranżacja.

Po drugie: aranżerzy nigdzie się nie wybierają. Ciekawa przyszłość AI w muzyce to nie autonomiczna kompozycja. To narzędzia, których czynni muzycy używają, żeby skompresować mechaniczne części swojego workflow tak, by więcej uwagi mogli przeznaczyć na to, co wymaga uwagi. Ramy mają znaczenie: AI jako asystent szkicu, nie AI jako zastępstwo. Każdy czynny aranżer, z którym rozmawiałem, chce pierwszego rodzaju narzędzia. Żaden z nich nie chce drugiego.

Po trzecie: narzędzia, które przetrwają tę dekadę, są budowane przez ludzi, którzy ich faktycznie używają. Nie przez badaczy ML, którzy chcą muzycznego zastosowania dla swojego modelu. Nie przez VC, którzy chcą wertykalu muzycznego. Przez muzyków, którzy potrzebowali narzędzia i zbudowali je, bo nikt inny nie chciał. Chciałem budować najpierw dla siebie i zaufać, że inni muzycy rozpoznają różnicę.

Po czwarte: poprzeczka „dobrej aranżacji” jest ustawiana przez czynnych zawodowców, nie przez ludzi, którzy publikują dema AI w social mediach. Jeśli narzędzie nie produkuje czegoś, czego użyłby prawdziwy aranżer, nie ma znaczenia, jak imponujące jest demo.

Te przekonania ukształtowały wszystko, co przyszło później. Wciąż są powodem, dla którego ArrangementLabs.ai jest zbudowany tak, jak jest.

Co zbudowaliśmy

ArrangementLabs.ai to narzędzie, które bierze partyturę w dowolnym z formatów, który rozsądnie można mieć (MIDI, ABC, MusicXML, MXL), i produkuje aranżację na dowolny z rosnącego zbioru docelowych zespołów. Użytkownik dostarcza muzykę. Narzędzie pomaga ją redystrybuować.

Nie jest to narzędzie do transkrypcji. Nie słucha audio i nie produkuje notacji; do tego są dobre narzędzia i nie ma potrzeby dodawać kolejnego.

Nie jest to narzędzie do generowania. Nie komponuje muzyki z promptów; to inny problem, inny rynek i nie chcemy być w żadnym z tych obszarów.

To narzędzie do aranżacji. Użytkownik ma muzykę. Użytkownik wie, jakiego zespołu chce. Zadaniem narzędzia jest obsłużenie rzemiosła redystrybucji — dekompozycji głosów, sprawdzenia zakresów, voicingu takt-po-takcie, decyzji o basie — i zwrócenie czegoś, co użytkownik może zagrać, edytować lub dopracować.

Wynik jest tym, czego rzeczywiście używa aranżer: standardowe MIDI, MusicXML i czytelny PDF. Możesz wczytać to do swojego programu do notacji, możesz dać partię muzykowi, możesz porównać A/B z oryginałem w głowie. To nie black-box „doświadczenie AI”. To plik roboczy, który pasuje do tego, jak aranżerzy faktycznie pracują.

Jesteśmy w zamkniętej becie z małą grupą czynnych aranżerów, kompozytorów i dyrygentów. Co tydzień dają nam feedback. Model staje się lepszy, gdy mówią nam, gdzie się myli, a to jest większość tego, na czym nam teraz zależy.

Kto jest w zespole

Jest nas troje.

Jestem Marcin Konopka — założyciel, też czynny muzyk. Kształciłem się w grze na fortepianie i informatyce. Prowadzę stronę firmową i większość infrastruktury. Powodem, dla którego piszę ten post w pierwszej osobie, jest to, że ArrangementLabs.ai nie jest instytucją. To mały zespół zbudowany wokół konkretnego przekonania muzycznego.

Nasz inżynier AI zajmuje się treningiem modelu i stroną systemową. Osoba, która to robi, od lat jest głęboko w ML i była właściwym współpracownikiem, by przeprowadzić problem redystrybucji z „interesujących badań” do „narzędzia, którego ludzie używają”. Świadomie nie udajemy, że strona AI to rozwiązana magia. To trudna inżynieria i staje się lepsza z miesiąca na miesiąc, bo ktoś wykonuje rzetelną pracę.

Nasz aranżer-w-rezydencji to kompozytor z wykształceniem konserwatoryjnym i dorobkiem w europejskiej muzyce filmowej i koncertowej. To osoba, która mówi nam, kiedy wynik AI jest naprawdę dobry, a kiedy tylko wygląda wiarygodnie. Tu mieszka muzyczna ocena. Bez tej oceny narzędzie AI do aranżacji wypuszcza dema. Z nią wypuszcza coś, czego czynny muzyk użyje.

Jesteśmy małym zespołem celowo. Trzy osoby zsynchronizowane wokół konkretnego przekonania rzemieślniczego to lepszy zespół do zbudowania tego narzędzia niż większy zespół z mieszanymi motywacjami.

W co wierzymy

Kilka rzeczy, które zaczęliśmy uważać za prawdziwe w procesie budowania:

AI w muzyce nie powinno polegać na generowaniu czegokolwiek. Powinno polegać na pomaganiu ludziom robić konkretne rzeczy, na których im zależy, lepiej. Ogólne ramy „maszyny do wszystkiego” produkują narzędzia, które dobrze się demonstrują i nic nie dostarczają. Ramy konkretnego narzędzia produkują rzeczy, których ludzie używają.

Aranżerzy nigdzie nie znikną — i nie powinni. Wiedza muzyczna potrzebna do dobrej aranżacji jest prawdziwa, wyuczona i wartościowa. Ciekawa przyszłość to narzędzia AI, które kompresują mechaniczne części workflow aranżera, nie próbując zastąpić oceny, która sprawia, że aranżacja jest dobra. Chcemy, żeby nasze narzędzie czyniło aranżerów szybszymi i odważniejszymi, nie zbędnymi.

Właściwa jednostka feedbacku to czynny muzyk przy deadlinie. Nie focus grupa. Nie ankieta. Nie sonda na Twitterze. Feedback, który ulepsza narzędzie, to „tu jest partytura, nad którą faktycznie pracowałem, tu jest to, co dało mi twoje narzędzie, tu jest to, co musiałem zmienić”. To pętla, którą zbudowaliśmy, i to pętla, która utrzymuje narzędzie w uczciwości.

Jakość ustala się przez użycie, nie przez dema. Metryką, która nas interesuje, jest to, czy ktoś z naszej grupy beta otwiera narzędzie ponownie w przyszłym tygodniu. Praca AI sterowana demami optymalizuje pod wrażenie. Praca sterowana użyciem optymalizuje pod retencję. Zupełnie inny kształt.

Co dalej

Celujemy w publiczną premierę w drugiej połowie 2026, po tym, jak grupa beta-testerów powie nam, że jesteśmy gotowi. Kryterium „gotowości” to nie lista funkcji. To że narzędzie produkuje wynik, którego czynny aranżer użyje bez przepisywania, w rozsądnej różnorodności materiału źródłowego i docelowych zespołów. Nie wypuścimy publicznej premiery, dopóki to nie będzie prawdą.

Rozszerzamy się też na rynek niemieckojęzyczny w 2026. W krajach niemieckojęzycznych jest aktywna społeczność aranżerów, dyrygentów i edukatorów muzycznych, która dobrze pasuje do profilu narzędzia, i budujemy zlokalizowane teksty oraz wsparcie językowe dla tej publiczności.

Kontynuujemy też publikowanie na tym blogu. Plan to teksty na poziomie rzemiosła o aranżacji, redystrybucji głosów i praktycznych pytaniach, z którymi czynni muzycy mierzą się, gdy narzędzia AI wchodzą w ich workflow. Nie marketing. Nie thought leadership. Pisanie o faktycznych problemach, przez ludzi, którzy nad nimi pracują.

Jeśli zawodowo aranżujesz i chcesz wypróbować narzędzie na swoim repertuarze, dołącz do listy oczekujących na betę. Wpuszczamy małą grupę testerów co miesiąc i priorytetyzujemy osoby z konkretnym problemem repertuarowym w głowie — dyrygentów młodzieżowych zespołów, kompozytorów filmowych, czynnych aranżerów z regularnymi deadlinami.

Jeśli jesteś dziennikarzem lub badaczem piszącym o narzędziach AI do muzyki i chcesz porozmawiać z zespołem, który traktuje stronę rzemieślniczą poważnie, jesteśmy pod hello@arrangementlabs.ai.

Jeśli doczytałeś do tego miejsca, dziękujemy. Będziemy dalej budować.

Co przeczytać dalej

• Jak AI rozdziela głosy muzyczne między zespołami — towarzyszący tekst o samym rzemiośle.
• Zapisz się przez RSS, żeby dostawać powiadomienia o kolejnych tekstach.