Er Autotune AI? [Video og quiz]

Kort svar: Autotune er vanligvis ikke «AI» i klassisk forstand. Det er for det meste DSP: den oppdager tonehøyde, tilordner den til en måltone eller skala, og endrer deretter lyden deretter. I moderne vokalsuiter kan maskinlæring dukke opp i tilstøtende stadier – som isolasjon eller støyreduksjon – så den generelle arbeidsflyten blir noen ganger merket som «AI».

Viktige konklusjoner:

Definisjoner: «Autotune» kan referere til Antares-pluginen, tonehøydekorreksjon generelt eller hardtune-effekten.

Kjernemetode: Tradisjonell tonehøydekorreksjon er avhengig av tonehøydedeteksjon, notekartlegging og tonehøydeforskyvning – ingen treningsdata kreves.

Kontroller: Juster hastighet og «humaniserings»-innstillinger avgjør om resultatet blir subtil polering eller robotknipsing.

AI tilstøtende: ML vises ofte i vokalisolasjon, adaptiv støyreduksjon, smart de-essing og assistent-stil EQ.

Ikke stemmekloning: Hvis du mener «en sanger som aldri har eksistert», faller det inn under syntese eller kloning, ikke standard Auto-Tune.

Autotune (den klassiske «autotune»-effekten) startet som matematisk lydprosessering – klassisk tonehøydedeteksjon + tonehøydeforskyvning, dvs. DSP-lignende algoritmer, ikke «trent på millioner av stemmer». (Pitch Correction of Digital Audio - Walter Smuts)

Først, hva folk mener med «autotune» 😅

Det er her det floker seg.

Når noen sier «autotune», kan de mene:

• Auto-Tune som i det velkjente merket/produktet (Antares Auto-Tune)

• Tonehøydekorreksjon generelt (enhver plugin som dytter toner inn i melodi) (Tonehøydekorreksjon av digital lyd - Walter Smuts)

• Den hardt innstilte effekten (robotbasert, snapper umiddelbart til noter) (AutoTune 2026 brukerhåndbok)

• En hel moderne vokalkjede: tonehøydekorreksjon + støyrensing + de-essing + vokalforbedring + harmonier (iZotope Nectar 4-funksjoner)

Så hvis du og vennen din krangler om det, kan det hende dere begge har rett mens dere snakker om forskjellige ting. Som er ... topp menneskelig oppførsel. 🙃

Er Autotune AI? ✅🤏

Er Autotune AI? Vanligvis nei – ikke i sin klassiske kjerneform.

Tradisjonell tonehøydekorreksjon er for det meste DSP (digital signalbehandling) – detektering av tonehøyde og bruk av frekvensskalering/tonehøydeforskyvningsalgoritmer, uten krav til en trent ML-modell. (Tonehøydekorreksjon av digital lyd – Walter Smuts; Grunnleggende prinsipper for vokal tonehøydekorreksjon – iZotope)

• oppdage tonehøyde

• bestem den «nærmeste» målnoten (eller en note i en valgt skala)

• Flytt vokalen jevnt eller umiddelbart mot den (brukerhåndbok for AutoTune 2026)

Det er algoritmisk. Det er smart matematikk, men det er ikke nødvendigvis å «lære» fra data slik moderne AI-modeller gjør.

Men – og her kommer men-et, for det finnes alltid et men – noen moderne verktøy rundt tonehøydekorreksjon bruker maskinlæring til relaterte oppgaver (bedre deteksjon, separasjon, klangbehandling, opprydding). Det er derfor forvirringen stadig kommer tilbake, som en sang du ikke ba Spotify om å spille av igjen ... 🎧 (Demucs (musikkkildeseparasjon); Open-Unmix)

Hva skjer egentlig under panseret (klassisk tonehøydekorreksjon) 🧰

La oss holde dette praktisk.

Et typisk tonehøydekorreksjonssystem gjør noen få store jobber:

1) Tonehøydedeteksjon 🎯

Den estimerer grunnfrekvensen (den oppfattede tonen).
Dette kan gjøres med klassiske teknikker som ser på periodisitet, harmoniske og frekvensinnhold – ting som nullkryssingsmetoder og autokorrelasjon i monofoniske kontekster. (Tonehøydekorreksjon av digital lyd – Walter Smuts)

2) Pitch mapping 🗺️

Den bestemmer hvor noten «skal» stå:

• nærmeste halvtone

• den nærmeste tonen i en skala (C-dur, a-moll osv.)

• en manuelt tegnet korreksjonskurve (mer «kirurgisk») (Hva er Melodyne?)

3) Tonehøydeforskyvning 🪄

Den justerer lyden opp eller ned uten å endre timingen.
Avhengig av algoritmen prøver den å holde:

• naturlighet

• formanter (den vokale «formen» som får deg til å høres ut som deg selv)

• jevne overganger mellom noter (Time & Pitch (RX) - iZotope Radius; Pitch (Nectar 3) - Formanter)

4) Timing og overgangsatferd ⏱️

Dette er den delen folk flest hører først:

• rask retune-hastighet = hard, robotisk snapping

• saktere omjustering = subtil, menneskelig korrigering

• «Humaniserings»-kontroller hindrer at vedvarende toner blir til en rett linje (AutoTune 2026 brukerhåndbok; Auto-Tune Artist: Grunnleggende visningskontroller)

Ingenting av dette krever en modell trent på massive datasett. Det er mer som en veldig intens kalkulator som elsker musikk.

En ufullkommen metafor, men den passer liksom: det er som en termostat for tonehøyde. Ikke en hjerne, ikke en sanger ... bare en sjefete liten knott som stadig drar tonen mot den innstilte temperaturen. 🌡️🎶

Der «AI» dukker opp rundt vokal 🤖✨

Her er tvisten: selv om tonehøydekorrigering i seg selv er klassisk DSP, den moderne vokalarbeidsflyten ofte verktøy som er genuint ML-baserte.

Dette er funksjonene som pleier å være AI-aktige:

• Stemmeisolasjon (skille stemme fra en takt eller et støyende opptak) (Demucs; Open-Unmix)

• Støyreduksjon som tilpasser seg skiftende bakgrunnslyder (RX 11 Voice De-noise; Waves Clarity Vx Pro)

• Automatisk de-essing som lærer hva som teller som «hard» for den stemmen (smart:deess - sonible)

• Smarte EQ-forslag eller «assistent»-toneforming (iZotope Nectar 4-funksjoner)

• Tonehøydedeteksjon som holder seg stabil selv i støyende, pustende eller raspende opptak (ofte forbedret via moderne analysemetoder, avhengig av verktøyet) (Grunnleggende prinsipper for stemmehøydekorreksjon - iZotope)

• Stemmetransformasjon og «klangfarging» som kan gå utover enkle formanter (Grunnleggende prinsipper for stemmehøydekorreksjon - iZotope)

Så hvis noen ser en plugin som sier «AI Vocal Assistant» og den også inkluderer tonehøydekorreksjon, kan de slå det hele sammen og kalle det autotune.

Og så sier en annen person «autotune er ikke AI», og nå krangler dere begge i sirkler, som to katter som slåss om den samme solfylte flekken på gulvet. 🐈🐈

Autotune og fryktsoneversjonen 😬

Dette er den delen folk mener, selv om de ikke sier det høyt.

Mange spør ikke om tonehøydekorreksjon. De spør:

• «Er dette en erstatning for sangeren?»

• «Generer dette en falsk stemme?»

• «Er det å lage en forestilling som aldri skjedde?»

Klassisk tonehøydekorrigering genererer ikke en helt ny stemme. Den endrer tonehøyden i et ekte opptak. Du trenger fortsatt:

• en skikkelig vokal vri

• frasering

• tone

• følelse

• timing og holdning (det som forblir sta menneskelig)

Men hvis du går over til stemmekloning og full stemmesyntese, er det en annen kategori. Det er ikke «autotune» i den uformelle forstand, selv om folk noen ganger bruker ordet på alt som høres bearbeidet ut.

Så i den skumle «denne sangeren har aldri eksistert»-forstand, Is Autotune AI på et generelt nei. Ikke som standard.

Hva gjør en god versjon av Auto-Tune (eller et hvilket som helst pitch-verktøy) 🎛️

Hvis du velger et verktøy for tonehøydekorreksjon, handler ikke en «god» versjon bare om hvor perfekt den låser noter. Det handler om hvordan den oppfører seg når lyden blir menneskelig og uregjerlig.

Se etter:

• Rask og nøyaktig deteksjon uten vibrasjon

• Formant-kontroller som ikke får stemmer til å høres ut som tegneseriehelium (med mindre du vil ha det 😈) (Pitch (Nectar 3) - Formants; AutoTune 2026 brukerhåndbok)

• Skala- og tastekontroll som er rask å sette opp (brukerhåndbok for AutoTune 2026; ReaTune (ReaEffects-håndbok))

• Lav latensalternativer hvis du planlegger å bruke det live (AutoTune 2026 brukerhåndbok; Waves Tune sanntid)

• Transparent modus for subtil tuning som ikke skriker «redigert»

• Manuell redigering hvis du ønsker presisjon (tonehøydedrift, overganger, notedeling) (Hva er Melodyne?;Rediger tonehøyde og timing med Flex Pitch (Logic Pro))

• God håndtering av slides og runs (R&B vokalgymnastikk, i bunn og grunn)

• Naturlige gjenstander – fordi alle verktøy har gjenstander, vil du bare ha de du kan leve med

La oss være ærlige – det beste pitchverktøyet er det du kan ringe inn raskt når du er sliten og ørene dine lyver til deg. Det er sant. 😵💫

Sammenligningstabell: populære alternativer for tonehøydekorreksjon 🎚️📊

Nedenfor er en praktisk sammenligning. Prissettingen er bevisst løs fordi pakker, salg og utgaver endres mye ... og også fordi ingen vil lese et regneark som later som det kjenner lommeboken din bedre enn deg.

Formateringssæregenhet: ja, «bundlet-ish» er en ekte kategori i musikkprogramvarelivet. 🙃

Hvordan produsenter bruker det i praksis (subtilt vs. åpenbart) 🎧

Subtil tuning («ikke la noen legge merke til det»-tilnærmingen) 🕵️♂️

• lavere korreksjonshastighet

• bevare vibrato

• unngå snapping-overganger

• fiks manuelt bare de verste synderne (vanligvis noen få notater)

Dette er typen som brukes på mange vokaler som folk antar er «naturlige». Ikke fordi sangeren ikke kan synge – men fordi moderne mikser er nådeløse. Hver tone sitter under et mikroskop.

Den åpenbare effekten (hard melodi) 🤖

• rask gjeninnstillingshastighet

• streng skalalås

• flater noen ganger ut vibrato med vilje (brukerhåndbok for AutoTune 2026)

Dette handler mindre om å rette opp feil og mer om en stilisert instrumentlignende vokal. Den gjemmer seg ikke, den vinker til deg.

Hybrid tilnærming (min personlige favoritt, antar jeg) 🧩

• subtil korreksjon på versene

• sterkere effekt på kroker

• automatiserte innstillinger som endres per seksjon

Det er som sminke – du kan gå naturlig, glamourøs eller «jeg maler ansiktet mitt som en neontiger». Alt er gyldig. 🐯✨

Vanlige myter som ikke vil dø 🪦

«Autotune gjør hvem som helst til en god sanger»

Nei. Den kan fikse tonehøyden, ikke:

• tone

• rytme

• pustekontroll

• emosjonell levering

• diksjon (med mindre du spiller inn på nytt eller redigerer som en galning)

Hvis fremføringen er livløs, gir tuning deg bare en perfekt innstilt livløs fremføring. Au, men sant.

«Hvis du hører tuning, er det AI»

Ikke nødvendigvis. Mange artefakter er bare klassiske bivirkninger av tonehøydeforskyvning (fase-vokoder-aktig utstrykning, formant-skår, forbigående uskarphet osv.). (Touch Correction of Digital Audio - Walter Smuts)

• kvitring

• metalliske kanter

• overganger mellom skjeve toner

• vibratoen blir glattet ut til en rett linje

«Live autotune er juks»

Dette er en smaksdebatt. Live-korreksjon brukes ofte som live-reverb: et verktøy. Noen artister overdriver, andre berører det knapt. Hvis det passer sjangeren, aksepterer folk det. Hvis det kolliderer med forventningene, blir folk sinte. Mennesker er konsekvente sånn ... ikke. 😅

Praktiske tips for å få stemming til å høres mer menneskelig ut 🧠🎙️

Hvis du vil ha tuning som ikke skriker «redigert», kan du prøve disse:

• Still inn tonearten og skalaen riktig (halve jobben, seriøst) (AutoTune 2026 brukerhåndbok; ReaTune (ReaEffects-håndbok))

• Ikke overkorriger overganger – la lysbildene eksistere

• Bruk lavere omstemmingshastigheter med mindre du vil ha robotlyden (brukerhåndbok for AutoTune 2026)

• Bevar formanter hvis verktøyet ditt støtter det (Pitch (Nectar 3) - Formanter)

• Still inn i kontekst med sporet som spilles, ikke solospilt i en time

• Komp først, finjuster deretter – å finjustere en dårlig komp er som å stryke en krøllete skjorte mens du fortsatt har den på deg.

Ta også pauser. Ørene dine tilpasser seg, og da høres alt «bra» ut, og senere avspilling kan avsløre et refreng som høres ut som en skinnende salgsautomat. 🥴

Så, er det AI eller ikke - den avsluttende klarheten 🔍

La oss lande flyet forsiktig.

Er Autotune AI i streng forstand en tendens til å lande slik:

• Klassisk tonehøydekorreksjon: hovedsakelig DSP, ikke AI. (Tonehøydekorreksjon av digital lyd - Walter Smuts)

Er Autotune AI slik folk snakker om moderne vokalproduksjon:

• Noen ganger tilstøtende verktøy maskinlæring (ML (opprydding, separasjon, smarte assistenter), og folk merker hele kjeden som «AI». (Demucs; iZotope Nectar 4-funksjoner)

Er Autotune AI i fryktsonen der man ikke lenger ser en ekte sanger?

• Ikke som standard. Det handler mer om stemmesyntese og kloning, som er noe helt annet.

Hvis du vil ha en ren mental modell:
Tonehøydekorrigering er som autofokus på et kamera. AI-stemmegenerering er som å lage et helt falskt bilde. Begge kan brukes kunstnerisk, begge kan misbrukes, men de er ikke det samme. 📸🎶

Avsluttende sammendrag 

Auto-Tune startet som smart lydmatematikk – tonehøydedeteksjon og tonehøydeforskyvning. Det er ikke iboende AI. Men moderne vokalverktøy inkluderer noen ganger AI-drevne ekstrafunksjoner, og «AI» har blitt et markedsføringsklistremerke som festes på alt fra støyreduksjon til kaffetraktere (sannsynligvis). (AutoTune 2026 brukerhåndbok; Waves Clarity Vx Pro)

Hvis du vil, fortell meg hva du jobber med – livevokal, studioinnspilling, subtil pop-glans eller fullstendig robotisk hook – så skal jeg foreslå innstillinger som passer stemningen uten å gjøre stemmen din om til en forkromet fløyte. 

Eksempel fra den virkelige verden: Testing av autotune i en hjemmestemmekjede 🎙️

Scenario

En soveromsprodusent spiller inn en 40 sekunder lang pop-hook til en demo. Sangerens opptreden har god tone og følelser, men noen få toner blir skarpere på slutten av lengre fraser. Det er også lav viftestøy i rommet.

Dette er en verdifull test fordi den skiller to ting folk ofte blander sammen:

tonehøydekorreksjon, som hovedsakelig er DSP

stemmeopprydding, som kan bruke AI eller maskinlæring avhengig av verktøyet

Hva arbeidsflyten trenger

Produsenten trenger:

Et tørt vokalopptak

Sangtonearten og skalaen, for eksempel a-moll

En plugin for tonehøydekorreksjon

Et verktøy for støyreduksjon eller vokalrensing, om nødvendig

En referansehopp uten tuning

En kort sjekkliste for kontroll av gjenstander

Eksempeloppsett

Start med vokalrens før tonehøydekorrigering hvis opptaket har bakgrunnsstøy. Bruk lysinnstillinger, fordi aggressiv rens kan gjøre at stemmen høres vannaktig eller tynn ut.

Legg deretter til tonehøydekorreksjon:

Still inn tonearten og skalaen riktig.

Bruk en lavere retune-hastighet for vers eller naturlige hooks.

Bruk raskere omstemming bare når den hardt innstilte lyden er med vilje.

Hold formantbevaring aktivert hvis verktøyet støtter det.

Lytt til takten, ikke bare solo.

Et praktisk utgangspunkt kan være:

«For denne 40 sekunder lange hooken i a-moll, korriger kun åpenbar tonehøydedrift. Behold naturlige slides og vibrato. Ikke flat ut vedvarende toner med mindre roboteffekten er bevisst. Prioriter en troverdig vokal fremfor perfekt stemming.»

Hvordan teste det

Kjør tre raske eksporter:

1. Ingen stemming, bare rå vokal.

2. Subtil stemming med langsommere restemming og bevart vibrato.

3. Hardstemming med rask restemming og streng skalalås.

Lytt deretter etter:

Høres vokalen fortsatt ut som den samme sangeren?

Vingler eller blir lange toner metalliske?

Er lysbilder mellom notene fortsatt naturlige?

Høres hooken bedre ut i full miks, ikke bare solo?

Ville en lytter legge merke til stemmingen før de legger merke til sangen?

Resultat

Illustrativt resultat: basert på en enkel 40-sekunders demo-hook med 22 sungne toner, kan en produsent oppdage at bare 5 toner trenger manuell korrigering.

En realistisk tidssammenligning kan se slik ut:

Rå komp og manuell justering fra bunnen av: 35 minutter

Bruk av en lagret forhåndsinnstilling for subtil stemming, og deretter manuell korrigering av bare problemtoner: 14 minutter

Tidsbesparelse: 21 minutter per krokseksjon

Kvalitetssjekk: 0 åpenbare robotartefakter etter å ha lyttet gjennom en 10-punkts sjekkliste som dekker vibrato, noteoverganger, formanter, timing, pustestøy, sibilans, konsonanter, lange toner, emosjonell fremføring og avspilling av full miks.

Resultatet er et eksempelestimat, ikke en universell påstand. En leser kan bekrefte det ved å ta tiden på sin egen redigering, telle hvor mange noter som ble endret manuelt, og utføre en blind A/B-test mellom de rå, subtilt stemte og hardt stemte versjonene.

Hva kan gå galt

Den største feilen er å bruke tonehøydekorreksjon som et redningsverktøy for en svak opptak. Hvis timingen, tonen eller følelsene er dårlige, kan stemmingen bare skape en renere versjon av en dårlig fremføring.

Andre vanlige feil:

Sette feil toneart og tvinge gode toner inn i dårlige

Bruk av hurtig retune når sangen trenger en naturlig vokal

Fjerner for mye vibrato

Overdreven bruk av støyrensing før tuning

Å kalle hele prosessen «KI» når bare ett oppryddingstrinn faktisk bruker maskinlæring

Praktisk takeaway

En god Auto-Tune-test er ikke «gjorde den hver tone perfekt?». Det er «forbedret den vokalen samtidig som fremføringen holdt seg troverdig?». Klassisk tonehøydekorreksjon kan polere en ekte sangers tolkning, mens AI-tilstøtende verktøy kan bidra til å rense eller separere lyden rundt den. Det er relaterte oppgaver, men de er ikke det samme.

Vanlige spørsmål

Er Autotune AI eller bare en effekt?

I sin klassiske form er «autotune» stort sett tradisjonell DSP: tonehøydedeteksjon pluss tonehøydeforskyvning, styrt av regler som «nærmeste tone» eller «hold deg i denne skalaen». Det er smart matematikk, men det krever ikke en maskinlæringsmodell trent på enorme biblioteker av stemmer. Forvirringen sniker seg inn fordi moderne vokalkjeder kan inkludere AI-baserte oppryddingsverktøy som ligger rett ved siden av tonehøydekorrigering.

Hvorfor kaller folk Auto-Tune «AI» hvis det stort sett er DSP?

Fordi «autotune» ofte brukes som en forkortelse for en hel vokal pipeline, ikke bare tonehøydekorreksjon. Hvis en plugin-pakke inkluderer ting som vokalisolasjon, adaptiv støyreduksjon, smart EQ eller «assistent»-funksjoner, kan folk merke hele greia som AI. Markedsføring hjelper ikke, siden «AI» brukes som en bred betegnelse for alt som er automatisert.

Hva er forskjellen mellom Auto-Tune (merket) og «autotune» generelt?

Autotune er et spesifikt Antares-produkt, mens «autotune» i samtale kan referere til et hvilket som helst tonehøydekorrigeringsverktøy, den hardt innstilte robotlyden eller til og med en full vokalprosesseringskjede. To personer kan diskutere «Er Autotune AI» mens de peker på helt forskjellige mål. Det hjelper å avklare om du mener plugin-modulen, effekten eller den bredere arbeidsflyten.

Hvordan fungerer klassisk tonehøydekorreksjon egentlig under panseret?

Et typisk oppsett for tonehøydekorreksjon estimerer vokalens grunntone, kartlegger den til et mål (nærmeste halvtone, valgt skala eller en manuell kurve), og forskyver deretter lyden samtidig som man prøver å bevare timing og vokalkarakter. Lyden er sterkt formet av overgangsatferd – hvor raskt toner klikker på plass. Ingenting av dette er iboende avhengig av datatrente modeller; det er algoritmisk prosessering.

Hvilke innstillinger forårsaker den «robotbaserte» hardmelodilyden?

Den karakteristiske hard-tune-viben kommer vanligvis fra en veldig rask retune-hastighet og streng skala-/tastelåsing, som tvinger toner til å knipse umiddelbart i stedet for å gli naturlig. Verktøy legger ofte til "humaniserings"- (eller lignende) kontroller for å forhindre at vedvarende toner blir flatet ut til en rett linje. Hvis du hører effekten høyt, er det ofte et bevisst stilvalg snarere enn at "AI tar over"

Skaper autotune en falsk stemme eller erstatter det sangeren?

Klassisk tonehøydekorrigering genererer ikke en ny stemme fra bunnen av – den endrer tonehøyden i en ekte innspilt fremføring. Du trenger fortsatt sangerens timing, frasering, tone, følelser og generelle fremføring. Fryktsonen «denne sangeren eksisterte aldri» handler mer om stemmesyntese eller kloning, som faller i en annen kategori enn standard tonehøydekorrigering i autotune-stil.

Hvor dukker egentlig AI opp i moderne verktøy for vokalproduksjon?

AI har en tendens til å dukke opp i tilstøtende trinn som vokalisolasjon (skiller stemme fra musikk), adaptiv støyreduksjon, smart de-essing og "assistent" toneforming. Noen verktøy kan også bruke mer avanserte tilnærminger for å holde tonehøydesporing stabil i støyende eller ujevne opptak. Når disse AI-aktige funksjonene ligger ved siden av tonehøydekorreksjon i samme produkt, slår folk det ofte sammen som "AI autotune"

Hvorfor høres innstilt lyd noen ganger dårlig eller «glassaktig» ut?

Artefakter kan komme fra klassisk tonehøydeforskyvningsatferd: skjelving, metalliske kanter, klossete noteoverganger eller vibrato som glattes ut. Formanthåndtering spiller også en rolle – hvis formanter driver, kan stemmer bli tegneserieaktige eller få en utilsiktet «helium»-kvalitet. Disse særegenhetene er ikke bevis på AI; de er ofte bare avveininger av hvordan tonehøydealgoritmen omformer lyd.

Hvordan kan jeg få tonehøydekorrigering til å høres mer naturlig og mindre redigert ut?

Start med å stille inn riktig toneart og skala, fordi feil mål raskt skaper åpenbare feil. Bruk lavere retune-hastigheter, unngå overkorrigering av slides og overganger, og bevar formanter hvis verktøyet ditt støtter det. Stem i kontekst med hele sporet som spilles, ikke solo i det uendelige. En vanlig arbeidsflyt er komp først, deretter stemming – polering av bedre taktslag, og «fiksing» av en grov en.

Referanser

1. Antares - Auto-Tune Pro - antarestech.com

2. Antares – AutoTune 2026 brukerhåndbok – digitaloceanspaces.com

3. Walter Smuts - Tonekorrigering av digital lyd - waltersmuts.com

4. iZotope - Nectar 4-funksjoner - izotope.com

5. iZotope - Grunnleggende prinsipper for stemmekorrigering - izotope.com

6. iZotope - RX 11 Voice De-noise - izotope.com

7. iZotope - Tid og tonehøyde (RX) - iZotope-radius - izotope.com

8. iZotope - Pitch (Nectar 3) - Formants - amazonaws.com

9. Antares – Auto-Tune Artist: Grunnleggende visningskontroller – antarestech.com

10. Facebook-forskning - Demucs (separasjon av musikkkilder) - github.com

11. SIGSEP – Åpne-Unmix – sigsep.github.io

12. Celemony - Hva er Melodyne? - celemony.com

13. Bølger - Bølgemelodi - waves.com

14. Waves - Waves Tune sanntid - waves.com

15. Apple-kundestøtte – Rediger tonehøyde og timing med Flex Pitch (Logic Pro) – support.apple.com

16. Image-Line - Kannemanual - image-line.com

17. Steinberg – Cubase VariAudio – steinberg.hjelp

18. REAPER - ReaTune (ReaEffects Guide) - reaper.fm

19. Waves - Clarity Vx Pro - waves.com

20. sonible - smart:deess - sonible.com

Finn den nyeste AI-en i den offisielle AI-assistentbutikken

Om oss