Datasets for Goals
Suatu hari, aku iseng pengen bikin diss track tentang kehidupan koko-koko yang dagang. Di kepalaku simpel aja: karena ini diss track, berarti harus ada rap, kick sama snare yang kental, alias boom bap.
Terus kepikiran, “Kalau ceritanya tentang kehidupan koko Cina, lucu juga kalau dikasih instrumen Cina.” Akhirnya kupilih guzheng.
Awalnya kupikir selesai. Tinggal tulis “guzheng” di prompt.
Ternyata… enggak. 😂 Yang keluar kadang malah mirip banjo, kadang ada rasa gitar akustik, kadang malah ditambah biola entah dari mana. Bahkan teman yang dengar sempat bilang terdengar seperti oud.
Dari situ aku baru sadar.
Aku sebenarnya bukan sedang mencari nama instrumennya.
Aku sedang mencari bahasa instrumennya.
Akhirnya aku berhenti nulis prompt dulu. Aku buka YouTube, cari pemain guzheng asli, nonton cara mereka memainkan senarnya. Dari situ aku mulai kenal istilah-istilah seperti Yao Zhi, Rou Yin, Hua Yin, An Yin, teknik tangan kanan, teknik tangan kiri, sampai kenapa guzheng modern punya 21 senar.
Baru setelah itu aku balik lagi ke prompt. Dan hasilnya langsung berbeda.
Di situ aku baru sadar sesuatu.
AI belajar dari dataset.
Tapi ternyata manusia juga harus belajar lah, apalagi kita-kita yang bukan musisi hihi.
Kalau kita ingin AI menghasilkan sesuatu yang lebih autentik, kita juga harus membangun dataset di kepala kita sendiri. Bukan sekadar mengumpulkan prompt, tapi mengumpulkan pengetahuan. Semakin kita memahami karakter sebuah instrumen, budaya di baliknya, dan cara ia “berbicara”, semakin mudah kita menerjemahkannya menjadi instruksi yang dipahami AI.
Jadi menurutku, prompt engineering bukan dimulai dari mengetik.
Prompt engineering dimulai dari rasa penasaran.
Sample 1 by flow: https://www.flowmusic.app/song/12cfab82-9017-4500-abb5-134572f17e3c
Sample 2 suno v.4.5 : https://suno.com/s/wC8pFQFhvLc1wu3P
Sample 3 suno v.5.5: https://suno.com/s/Rv0jtYFEynszpJMh