Google Præsenterer AI-Musikmodel, Der Skaber Musik Faste End Afspilning

Forestil dig, at en musiker sidder ved sin computer, ikke komponerer node for node, men styrer en AI-medarbejder gennem en live-præstation – morfende genrer, blanding instrumenter og udforsker lydterritorier, der eksisterer mellem etablerede musikstilarter. Dette sker nu med Google’s Magenta RealTime (RT) (GOOGL ), en open-source-model, der bringer realtidsinteraktivitet til AI-musikgeneration.

Lige udgivet, tvinger Magenta RT os til at skifte, hvordan vi tænker om AI-genereret musik. I modsætning til tidligere modeller, der krævede, at brugerne ventede på, at komplette spor blev renderet, genererer Magenta RT musik hurtigere end den afspilles, og muliggør sand realtidsinteraktion. For musikindustrien – der allerede kæmper med AI’s disruptiverende indflydelse – åbner denne teknologi døre til helt nye former for kreativ udtryk, samtidig med at den rejser dybe spørgsmål om forfatterskab, præstation og fremtiden for menneskelig musikalsk udtryk.

Forståelse af Magenta RealTime

I sin kerne er Magenta RT en 800 million parameter autoregressiv transformer-model, men det, der adskiller den, er dens tilgang til udfordringen med realtids-generation. Modellen genererer kontinuerte strømme af musik i 2-sekunders blokke, hver betinget af de foregående 10 sekunders lydoutput og en dynamisk justerbar stil-embedding. Denne arkitektur giver musikerne mulighed for at manipulere stil-embedding i realtid, og effektivt styre den musikalske output, mens den udvikler sig.

Den tekniske præstation her kan ikke overvurderes. På en gratis Google Colab TPU genererer Magenta RT 2 sekunders lyd på kun 1,25 sekunder – en realtidsfaktor på 1,6. Denne hastighed er mulig gennem flere innovationer:

• Block Autoregression: I stedet for at generere hele spor på én gang, arbejder modellen i små, håndterbare blokke, der kan behandles hurtigt
• SpectroStream Codec: En efterfølger til SoundStream, der muliggør højtilfældig 48kHz stereo-lyd
• MusicCoCa Embeddings: En ny fælles musik-tekst-embedding-model, der giver mulighed for semantisk kontrol over generationsprocessen

Det, der gør dette særligt imponerende, er, at modsat API-baserede løsninger eller batch-orienterede generationsmodeller, understøtter Magenta RT streaming-syntese med en fremadrettet realtidsfaktor større end 1. Dette betyder, at modellen kan faktisk komme foran afspilning, og oprette en buffer, der sikrer en jævn, uafbrudt musikalsk flow.

Fra passiv generation til aktiv præstation

Konsekvenserne af realtids AI-musikgeneration strækker sig langt ud over tekniske specifikationer. Som Magenta-holdet bemærker, “Live-interaktion kræver mere fra spilleren, men kan give mere igen. Den kontinuerte perception-handling-løkke mellem mennesket og modellen giver adgang til en kreativ flow-tilstand, der centrerer oplevelsen om glæden ved processen over det endelige produkt.”

Denne skift fra passiv til aktiv engagement adresserer en af de primære kritikker af AI-genereret indhold: dets potentiale til at oversvømme markedet med sjælløs, masseproduceret musik. Realtidsmodeller “undgår naturligt at skabe en oversvømmelse af passivt indhold, fordi de intrinsisk balancerer lytning med generation i en 1:1-forhold”. Hvert øjeblik af musik, der skabes, kræver et øjeblik af menneskelig opmærksomhed og beslutningstagning.

Overvej mulighederne, dette åbner op for:

• Live-præstation: DJs og elektroniske musikere kan inkorporere AI som et responsivt instrument i deres sæt, og tilføje til det udvidende værktøjskasse af AI-værktøjer til musikere, der forbedrer menneskelig kreativitet
• Interaktive installationer: Kunstnere kan skabe miljøer, hvor musikken reagerer på publikumsbevægelser eller miljøfaktorer
• Uddannelsesværktøjer

: Studerende kan udforske musikalske begreber gennem umiddelbar, taktil feedback

• Spil-soundtracks: Dynamiske scores, der tilpasser sig spillerens handlinger i realtid

Disruption og mulighed

Musikindustrien står ved en skillevej. Indtægten i musikindustrien forventes at stige med 17,2%, drevet delvist af AI-genereret musik, med det globale AI-musikmarked vurderet til 2,9 milliarder dollars i 2024. Men denne vækst kommer med betydelige bekymringer fra kunstnere og branchefagfolk.

Forskning af Goldmedia forudser, at uden ordentlige kompensationsystemer kan musikere miste op til 27% af deres indtægt i 2028, da AI-genereret indhold vokser. Frygten er påtagelig – vil AI erstatte menneskelige musikere? Vil værdien af menneskelig kreativitet blive mindsket i en verden, hvor alle kan generere professionelt lydende musik?

Magenta RT tilbyder en nuanceret besked til disse bekymringer. Ved at positionere sig som et open-source-værktøj, der forbedrer menneskelig kreativitet, giver det en model for, hvordan AI og musikere kan sameksistere. Kravet om realtids-menneskelig input sikrer, at teknologien forstærker menneskelig kreativitet i stedet for at fungere autonomt.

Demokratisering vs. devaluering

En af de mest betydelige konsekvenser af Magenta RT er dens potentiale til at demokratisere musikskabelse. Modellen er designet til at køre på forbrugerhardware og er allerede funktionsdygtig på gratis Colab TPUs. Denne tilgængelighed betyder, at aspirerende musikere uden dyrt udstyr eller formel træning kan eksperimentere med komplekse musikalske ideer, og slutte sig til det voksende økosystem af AI-musik-genereringsværktøjer, der transformerer kreative arbejdsprocesser.

Men denne demokratisering kommer med risici. Som komponist Mark Henry Phillips bemærker i sine eksperimenter med AI-musikgeneration, formoder han, at “han snart ikke længere vil kunne tjene til livets ophold som musiker, da virksomheder begynder at bruge teknologien direkte”. Letten, hvormed AI kan generere kommercielt kvalitetsmusik, true traditionelle indtæftsstrømme for professionelle musikere.

Men der er en anden perspektiv at overveje. Ligesom digital fotografering ikke eliminerede professionelle fotografer, men ændrede naturen af deres arbejde, kan AI-musikgeneration måske omforme musikkarrierer i stedet for at erstatte dem. Nøglen ligger i, hvordan musikere tilpasser og integrerer disse værktøjer i deres kreative proces.

Opblomstringen af realtids AI-musikgeneration bringer også presserende etiske spørgsmål til forkanten. Ophavsret, ejerskab og fair kompensation er omstridte emner. 90% af musikere mener, at AI-virksomheder bør bede om tilladelse, før de bruger ophavsretligt beskyttet musik til træning, og højligter spændingen mellem teknologisk innovation og kunstneriske rettigheder.

Magenta RT’s open-source-tilgang tilbyder en mulig vej frem. Ved at gøre teknologien frit tilgængelig og træne den på ca. 190.000 timers instrumental lagermusik fra multiple kilder, har Google forsøgt at undgå nogle ophavsrets bekymringer, mens den stadig producerer en kapabel model.

Modellens begrænsninger afspejler også etiske overvejelser. Mens den er i stand til at generere ikke-lexikalske vokaliseringer og humming, er Magenta RT ikke betinget af tekster og er ikke sandsynlig at generere faktiske ord. Denne designvalg hjælper med at undgå potentielle problemer med at generere upassende tekstindhold, mens den fokuserer værktøjet på instrumental komposition.

Fremtiden for menneskelig-AI-musikalsk samarbejde

Da vi står på kanten af denne nye æra i musikskabelse, er der flere tendenser, der dukker op:

1. Hybrid skabelsesmodeller: I stedet for at erstatte musikere, bliver værktøjer som Magenta RT til medarbejdere. Seneste udviklinger i beat-tracking-systemer med nul-forsinkelse og forbedret kontrollabilitet viser, hvordan AI kan synchronisere med menneskelige performere i realtid.
2. Nye performances-paradigmer: Konceptet “at optræde” med AI åbner helt nye kunstneriske muligheder. Musikere lærer at “spille” disse systemer som instrumenter, og udvikler teknikker til at fremkalde bestemte lyde og navigere i latente musikalske rum.
3. Uddannelsesrevolution: AI-musikgenerationsteknologi har revolutioneret musikuddannelse, med platforme, der giver interaktive oplevelser, der lytter til brugernes præstationer og tilbyder øjeblikkelig feedback.Teknisk konvergens: Med innovationer i neurale lydkodek og optimerede arkitekturer kan værktøjer som MusicFX DJ nu streame produktionsskvalitets 48kHz stereo-lyd i realtid, og bringe AI-genereret musik til professionelle kvalitetsstandarder.

At omfavne den kollaborative fremtid

Magenta RealTime tilbyder et glimt ind i en fremtid, hvor grænserne mellem menneskelig og maskinkreativitet bliver stadig mere flydende. Ved at kræve realtids-menneskelig input og fokusere på processen i stedet for kun output, tilbyder det en model for AI, der forbedrer menneskelig kreativitet i stedet for at erstatte den.

Teknologiens open-source-natur og tilgængelighed på forbrugerhardware demokratiserer musikskabelse, mens dens realtidsbegrænsninger sikrer, at menneskelig handling forbliver central i den kreative proces. Som Magenta-holdet understreger, har forbedring af menneskelig kreativitet – ikke erstatning – altid været i centrum af deres mission.

For musikere, producere og musikelskere er beskeden klar: fremtiden for musik ligger ikke i at vælge mellem menneskelig eller AI-skabelse, men i at udforske de enorme kreative muligheder, der opstår, når de to samarbejder i realtid. Magenta RT er en invitation til at genforestille, hvad musikskabelse kan være i AI-alderen.

Da vi går fremad, må musikindustrien bekymre sig om vigtige spørgsmål om fair kompensation, ophavsret og værdien af menneskelig kreativitet. Men hvis værktøjer som Magenta RT er nogen indikation, vil fremtiden for musik være en af samarbejde, eksperimenter og nye former for udtryk, som vi kun er begyndt at forestille os.