Mientras buena parte de la inteligencia artificial musical intenta convertir instrucciones en resultados cada vez más pulidos, Engram propone exactamente lo contrario: utilizar los errores de un modelo como materia prima.
Creado por la startup Thoughtful Things, este sampler y groovebox integra pequeños modelos generativos directamente dentro del hardware para producir, transformar y deliberadamente deformar sonidos.
No necesita conexión a internet, una aplicación externa ni una suscripción. La IA vive dentro de la propia máquina.
Circuit bending, pero aplicado a una IA
Engram utiliza un concepto que sus creadores llaman “model bending”.
La referencia viene del circuit bending: modificar circuitos electrónicos fuera de sus parámetros normales para provocar glitches, ruidos y comportamientos inesperados.
Aquí ocurre algo parecido, pero con modelos de audio.
El usuario puede empujar ciertos parámetros más allá de sus límites habituales para generar artefactos, texturas y resultados que el sistema normalmente intentaría evitar.
Esos errores después pueden convertirse en samples, cortarse, reorganizarse y utilizarse dentro de una secuencia.
En lugar de pedirle a la IA que haga correctamente una canción, el músico intenta descubrir qué sucede cuando la hace fallar.
La IA no termina la canción
Esa diferencia coloca a Engram lejos de plataformas diseñadas para generar canciones completas desde un prompt.
El dispositivo mantiene una lógica cercana a un sampler tradicional: permite capturar audio mediante su entrada estéreo o micrófono integrado, procesarlo, almacenar samples y construir patrones.
También incorpora conexiones MIDI y CV para integrarse con otros instrumentos.
La inteligencia artificial aparece como otra capa de manipulación sonora, no como el punto final del proceso creativo.
Thoughtful Things asegura además que los modelos incluidos fueron entrenados utilizando datasets abiertos con audio autorizado para uso comercial.
Una máquina construida alrededor del accidente
Engram todavía es un prototipo en desarrollo financiado mediante Kickstarter, por lo que su diseño y algunas características pueden cambiar antes de las unidades definitivas.
Pero su propuesta abre una dirección poco habitual para la IA musical.
En vez de utilizar modelos cada vez mayores para reducir la intervención humana, utiliza una IA pequeña, local e imperfecta para generar accidentes que después necesitan ser interpretados por alguien.
