Google ने AI म्यूजिक मॉडल का अनावरण किया जो प्लेबैक से भी तेज गति से संगीत रचता है

इसकी कल्पना करें: एक संगीतकार अपने कंप्यूटर पर बैठा है, नोट दर नोट रचना नहीं कर रहा, बल्कि एक लाइव प्रदर्शन के दौरान एक AI सहयोगी का मार्गदर्शन कर रहा है—शैलियों को बदलते हुए, वाद्ययंत्रों को मिलाते हुए, और उन ध्वनिक क्षेत्रों की खोज करते हुए जो स्थापित संगीत शैलियों के बीच मौजूद हैं। यह अब Google के Magenta RealTime (RT) के साथ हो रहा है, एक ओपन-सोर्स मॉडल जो AI संगीत निर्माण में रीयल-टाइम इंटरैक्टिविटी लाता है। अभी जारी किया गया, Magenta RT हमें AI-जनित संगीत के बारे में सोचने के तरीके को बदलने के लिए मजबूर करता है। पिछले मॉडलों के विपरीत जिनमें उपयोगकर्ताओं को पूरे ट्रैक रेंडर होने का इंतजार करना पड़ता था, Magenta RT संगीत को प्लेबैक से भी तेज गति से उत्पन्न करता है, जिससे वास्तविक रीयल-टाइम इंटरैक्शन संभव हो पाता है। संगीत उद्योग के लिए—जो पहले से ही AI के विघटनकारी प्रभाव से जूझ रहा है—यह तकनीक रचनात्मक अभिव्यक्ति के पूरी तरह से नए रूपों के द्वार खोलती है, साथ ही लेखकत्व, प्रदर्शन और मानव संगीतकारिता के भविष्य के बारे में गहन प्रश्न उठाती है।

Magenta RealTime को समझना

इसके मूल में, Magenta RT एक 800 मिलियन पैरामीटर ऑटोरेग्रेसिव ट्रांसफॉर्मर मॉडल है, लेकिन जो इसे अलग करता है वह है रीयल-टाइम जनरेशन की चुनौती के प्रति इसका दृष्टिकोण। यह मॉडल संगीत की निरंतर धाराओं को 2-सेकंड के खंडों में उत्पन्न करता है, जिनमें से प्रत्येक पिछले 10 सेकंड के ऑडियो आउटपुट और एक गतिशील रूप से समायोज्य स्टाइल एम्बेडिंग पर कंडीशन किया जाता है। यह आर्किटेक्चर संगीतकारों को स्टाइल एम्बेडिंग को रीयल टाइम में मैनिपुलेट करने की अनुमति देता है, जिससे संगीतमय आउटपुट को प्रभावी ढंग से उसके प्रकट होते ही निर्देशित किया जा सकता है। यहाँ तकनीकी उपलब्धि को कम करके नहीं आंका जा सकता। एक फ्री-टियर Google Colab TPU पर, Magenta RT सिर्फ 1.25 सेकंड में 2 सेकंड का ऑडियो उत्पन्न करता है—यानी 1.6 का रीयल-टाइम फैक्टर। यह गति कई नवाचारों के माध्यम से संभव हुई है:

• ब्लॉक ऑटोरेग्रेशन: पूरे ट्रैक एक साथ उत्पन्न करने के बजाय, मॉडल छोटे, प्रबंधनीय खंडों में काम करता है जिन्हें तेजी से प्रोसेस किया जा सकता है
• स्पेक्ट्रोस्ट्रीम कोडेक: SoundStream का एक उत्तराधिकारी जो उच्च-फिडेलिटी 48kHz स्टीरियो ऑडियो को सक्षम बनाता है
• MusicCoCa एम्बेडिंग्स: एक नया संयुक्त संगीत-पाठ एम्बेडिंग मॉडल जो जनरेशन प्रक्रिया पर शब्दार्थ नियंत्रण की अनुमति देता है

इसे विशेष रूप से प्रभावशाली बनाता है यह तथ्य कि API-आधारित समाधानों या बैच-उन्मुख जनरेशन मॉडलों के विपरीत, Magenta RT स्ट्रीमिंग सिंथेसिस को समर्थन देता है जिसका फॉरवर्ड रीयल-टाइम फैक्टर 1 से अधिक है। इसका मतलब है कि मॉडल वास्तव में प्लेबैक से आगे निकल सकता है, एक बफर बना सकता है जो सहज, अबाधित संगीतमय प्रवाह सुनिश्चित करता है।

निष्क्रिय जनरेशन से सक्रिय प्रदर्शन की ओर

रीयल-टाइम AI संगीत जनरेशन के निहितार्थ तकनीकी विशिष्टताओं से कहीं आगे तक फैले हुए हैं। जैसा कि Magenta टीम नोट करती है, “लाइव इंटरैक्शन खिलाड़ी से अधिक मांग करता है लेकिन बदले में अधिक दे सकता है। मानव और मॉडल के बीच निरंतर धारणा-क्रिया लूप एक रचनात्मक फ्लो स्टेट तक पहुंच प्रदान करता है, अनुभव को अंतिम उत्पाद पर नहीं बल्कि प्रक्रिया के आनंद पर केंद्रित करता है।” निष्क्रिय से सक्रिय संलग्नता में यह बदलाव AI-जनित सामग्री की एक प्राथमिक आलोचना को संबोधित करता है: बाजार को आत्माहीन, बड़े पैमाने पर उत्पादित संगीत से भर देने की इसकी संभावना। रीयल-टाइम मॉडल “स्वाभाविक रूप से निष्क्रिय सामग्री की बाढ़ पैदा करने से बचते हैं, क्योंकि वे आंतरिक रूप से जनरेशन के साथ सुनने को 1:1 अनुपात में संतुलित करते हैं”। बनाए गए संगीत का हर पल मानव ध्यान और निर्णय लेने के एक पल की मांग करता है। इससे खुलने वाली संभावनाओं पर विचार करें:

• लाइव प्रदर्शन: DJ और इलेक्ट्रॉनिक संगीतकार अपने सेट में AI को एक उत्तरदायी वाद्ययंत्र के रूप में शामिल कर सकते हैं, संगीतकारों के लिए AI टूल्स के विस्तारित टूलकिट में जोड़ते हुए जो मानव रचनात्मकता को प्रतिस्थापित नहीं बल्कि बढ़ाते हैं
• इंटरैक्टिव इंस्टॉलेशन: कलाकार ऐसे वातावरण बना सकते हैं जहां संगीत दर्शकों की गति या पर्यावरणीय कारकों पर प्रतिक्रिया करता है
• शैक्षिक उपकरण: छात्र तत्काल, मूर्त प्रतिक्रिया के माध्यम से संगीतमय अवधारणाओं का अन्वेषण कर सकते हैं
• गेम साउंडट्रैक: डायनामिक स्कोर जो प्लेयर की कार्रवाइयों के अनुकूल रीयल टाइम में ढलते हैं

विघटन और अवसर

संगीत उद्योग एक चौराहे पर खड़ा है। संगीत उद्योग में राजस्व में 17.2% की वृद्धि होने का अनुमान है, जिसका एक हिस्सा AI-जनित संगीत द्वारा संचालित है, जिसमें वैश्विक AI संगीत बाजार का मूल्य 2024 में $2.9 बिलियन आंका गया है। फिर भी यह वृद्धि कलाकारों और उद्योग पेशेवरों की महत्वपूर्ण चिंताओं के साथ आती है। Goldmedia द्वारा किए गए शोध का अनुमान है कि उचित मुआवजा प्रणालियों के बिना, AI-जनित सामग्री के बढ़ने के साथ, संगीतकार 2028 तक अपने राजस्व का 27% तक का नुकसान उठा सकते हैं। डर स्पष्ट है—क्या AI मानव संगीतकारों की जगह ले लेगा? क्या एक ऐसी दुनिया में मानव रचनात्मकता का मूल्य कम हो जाएगा जहां कोई भी पेशेवर-सुनने वाला संगीत उत्पन्न कर सकता है? Magenta RT इन चिंताओं के प्रति एक सूक्ष्म उत्तर प्रस्तुत करता है। खुद को एक ओपन-सोर्स टूल के रूप में स्थापित करके जो मानव रचनात्मकता को प्रतिस्थापित नहीं बल्कि बढ़ाता है, यह एक मॉडल प्रदान करता है कि AI और संगीतकार कैसे सह-अस्तित्व में रह सकते हैं। रीयल-टाइम मानव इनपुट की आवश्यकता यह सुनिश्चित करती है कि तकनीक स्वायत्त रूप से काम करने के बजाय मानव रचनात्मकता को प्रवर्धित करे।

लोकतंत्रीकरण बनाम अवमूल्यन

Magenta RT के सबसे महत्वपूर्ण प्रभावों में से एक है संगीत सृजन के लोकतंत्रीकरण की इसकी संभावना। मॉडल को अंततः उपभोक्ता हार्डवेयर पर चलने के लिए डिज़ाइन किया गया है और यह पहले से ही फ्री-टियर Colab TPUs पर कार्यात्मक है। यह सुलभता का मतलब है कि महंगे उपकरण या औपचारिक प्रशिक्षण के बिना महत्वाकांक्षी संगीतकार जटिल संगीतमय विचारों के साथ प्रयोग कर सकते हैं, AI म्यूजिक जेनरेटर्स के बढ़ते इकोसिस्टम में शामिल हो सकते हैं जो रचनात्मक वर्कफ़्लो को रूपांतरित कर रहे हैं। हालाँकि, यह लोकतंत्रीकरण जोखिमों के साथ आता है। जैसा कि संगीतकार मार्क हेनरी फिलिप्स ने AI संगीत जनरेशन के अपने प्रयोगों में नोट किया है, उन्हें संदेह है कि वह “जल्द ही एक संगीतकार के रूप में जीविकोपार्जन करने में असमर्थ हो जाएंगे, क्योंकि कंपनियां सीधे तकनीक का स्वयं उपयोग करना शुरू कर देंगी”। जिस आसानी से AI वाणिज्यिक-गुणवत्ता वाला संगीत उत्पन्न कर सकता है, वह पेशेवर संगीतकारों के लिए पारंपरिक राजस्व धाराओं के लिए खतरा पैदा करता है। फिर भी, विचार करने के लिए एक और परिप्रेक्ष्य है। जिस तरह डिजिटल फोटोग्राफी ने पेशेवर फोटोग्राफरों को खत्म नहीं किया बल्कि उनके काम की प्रकृति बदल दी, उसी तरह AI संगीत जनरेशन संगीतमय करियर को पुनर्आकार दे सकता है, प्रतिस्थापित नहीं कर सकता। कुंजी इस बात में निहित है कि संगीतकार इन टूल्स को अपनी रचनात्मक प्रक्रिया में कैसे अनुकूलित और एकीकृत करते हैं। रीयल-टाइम AI संगीत जनरेशन का उदय तत्काल नैतिक प्रश्नों को भी सामने लाता है। कॉपीराइट, स्वामित्व और निष्पक्ष मुआवजा विवादास्पद मुद्दे बने हुए हैं। 90% संगीतकारों का मानना है कि AI कंपनियों को प्रशिक्षण के लिए कॉपीराइटेड संगीत का उपयोग करने से पहले अनुमति लेनी चाहिए, जो तकनीकी नवाचार और कलात्मक अधिकारों के बीच तनाव को उजागर करता है। Magenta RT का ओपन-सोर्स दृष्टिकोण आगे बढ़ने के लिए एक संभावित रास्ता प्रस्तुत करता है। तकनीक को स्वतंत्र रूप से उपलब्ध कराकर और इसे कई स्रोतों से लगभग 190,000 घंटे के इंस्ट्रूमेंटल स्टॉक संगीत पर प्रशिक्षित करके, Google ने कुछ कॉपीराइट चिंताओं से बचने का प्रयास किया