गूगल ने एआई म्यूजिक मॉडल लॉन्च किया जो प्लेबैक से तेजी से संगीत बनाता है

एक कल्पना करें: एक संगीतकार अपने कंप्यूटर पर बैठा है, नोट-बी-नोट रचना नहीं कर रहा है, बल्कि एक एआई सहयोगी को लाइव प्रदर्शन के माध्यम से निर्देशित कर रहा है – शैलियों को मिलाना, उपकरणों को मिलाना और स्थापित संगीत शैलियों के बीच मौजूद ध्वनि क्षेत्रों का अन्वेषण करना। यह अब गूगल के मैगेंटा रियलटाइम (आरटी) के साथ हो रहा है, जो एक ओपन-सोर्स मॉडल है जो एआई संगीत जनरेशन में वास्तविक समय की अंतरक्रियात्मकता लाता है।

जैसे ही यह जारी किया गया है, मैगेंटा आरटी हमें एआई-जनित संगीत के बारे में सोचने के तरीके को बदलने के लिए मजबूर करता है। पिछले मॉडल्स के विपरीत जिन्हें उपयोगकर्ताओं को पूर्ण ट्रैक्स के रेंडर होने का इंतजार करना पड़ता था, मैगेंटा आरटी संगीत को प्लेबैक से तेजी से उत्पन्न करता है, वास्तविक समय में अंतरक्रियात्मकता की अनुमति देता है। संगीत उद्योग – जो पहले से ही एआई के विघटनकारी प्रभाव से जूझ रहा है – इस प्रौद्योगिकी के लिए नए रचनात्मक अभिव्यक्ति के रूपों के दरवाजे खोलता है, साथ ही साथ लेखकता, प्रदर्शन और मानव संगीतकारों के भविष्य के बारे में गहरे प्रश्न भी उठाता है।

मैगेंटा रियलटाइम को समझना

इसके मूल में, मैगेंटा आरटी 800 मिलियन पैरामीटर ऑटोरेग्रेसिव ट्रांसफॉर्मर मॉडल है, लेकिन जो इसे अलग बनाता है वह वास्तविक समय जनरेशन की चुनौती के लिए इसका दृष्टिकोण है। मॉडल 2-सेकंड के टुकड़ों में संगीत की निरंतर धारा उत्पन्न करता है, प्रत्येक पिछले 10 सेकंड के ऑडियो आउटपुट और एक गतिशील रूप से समायोज्य शैली एम्बेडिंग पर सशर्त है। यह आर्किटेक्चर संगीतकारों को वास्तविक समय में शैली एम्बेडिंग को मैनिपुलेट करने की अनुमति देता है, प्रभावी रूप से संगीत आउटपुट को निर्देशित करता है क्योंकि यह अनविल्ड होता है।

यह तकनीकी उपलब्धि को कम नहीं आंका जा सकता है। एक मुफ्त-टियर गूगल कोलाब टीपीयू पर, मैगेंटा आरटी 2 सेकंड के ऑडियो को केवल 1.25 सेकंड में उत्पन्न करता है – एक वास्तविक समय कारक 1.6 है। यह गति कई नवाचारों के माध्यम से संभव है:

• ब्लॉक ऑटोरेग्रेशन: पूरे ट्रैक्स को एक बार में उत्पन्न करने के बजाय, मॉडल छोटे, प्रबंधनीय टुकड़ों में काम करता है जिन्हें जल्दी से संसाधित किया जा सकता है
• स्पेक्ट्रोस्ट्रीम कोडेक: साउंडस्ट्रीम का उत्तराधिकारी जो 48kHz स्टीरियो ऑडियो को उच्च-निष्ठा में सक्षम बनाता है
• म्यूजिकोका एम्बेडिंग्स: संगीत और पाठ के बीच एक नई संयुक्त एम्बेडिंग मॉडल जो जनरेशन प्रक्रिया पर सेमेंटिक नियंत्रण प्रदान करता है

जो विशेष रूप से प्रभावशाली है वह यह है कि एआई-आधारित समाधानों या बैच-उन्मुख जनरेशन मॉडल के विपरीत, मैगेंटा आरटी स्ट्रीमिंग सिंथेसिस का समर्थन करता है जिसमें आगे की वास्तविक समय कारक अधिक होता है। इसका मतलब है कि मॉडल वास्तव में प्लेबैक से आगे निकल सकता है, एक बफर बनाता है जो संगीत प्रवाह को चिकना और बिना रुकावट के सुनिश्चित करता है।

निष्क्रिय जनरेशन से सक्रिय प्रदर्शन तक

वास्तविक समय एआई संगीत जनरेशन के निहितार्थ तकनीकी विशिष्टताओं से बहुत आगे तक फैले हुए हैं। जैसा कि मैगेंटा टीम नोट करती है, “लाइव इंटरैक्शन में खिलाड़ी से अधिक मांग की जाती है लेकिन इसके बदले में अधिक प्रदान कर सकता है। मानव और मॉडल के बीच निरंतर धारणा-क्रिया लूप रचनात्मक प्रवाह राज्य तक पहुंच प्रदान करता है, जो अनुभव को उत्पाद की बजाय प्रक्रिया के आनंद पर केंद्रित करता है।”

यह निष्क्रिय से सक्रिय जुड़ाव में परिवर्तन एआई-जनित सामग्री की एक प्राथमिक आलोचना को संबोधित करता है: इसकी संभावित क्षमता बाजार को आत्मा से भरे हुए, बड़े पैमाने पर उत्पादित संगीत से भरने की। वास्तविक समय मॉडल “स्वाभाविक रूप से निष्क्रिय सामग्री की बाढ़ से बचते हैं, क्योंकि वे सुनने और जनरेशन को 1:1 अनुपात में संतुलित करते हैं।” हर पल संगीत बनाने के लिए मानव ध्यान और निर्णय लेने का एक पल लगता है।

इन संभावनाओं पर विचार करें:

• लाइव प्रदर्शन: डीजे और इलेक्ट्रॉनिक संगीतकार अपने सेट में एआई को एक प्रतिक्रियाशील उपकरण के रूप में शामिल कर सकते हैं, संगीतकारों के लिए एआई टूल्स के विस्तार वाले टूलकिट में जोड़ते हैं जो मानव रचनात्मकता को बढ़ाते हैं न कि बदलने के लिए
• इंटरएक्टिव इंस्टॉलेशन: कलाकार ऐसे वातावरण बना सकते हैं जहां संगीत श्रोता की गति या पर्यावरणीय कारकों के प्रति प्रतिक्रिया करता है
• शैक्षिक उपकरण: छात्र तुरंत, स्पर्शपूर्ण प्रतिक्रिया के माध्यम से संगीत सिद्धांतों का अन्वेषण कर सकते हैं
• गेम साउंडट्रैक: खिलाड़ी की क्रियाओं के अनुसार वास्तविक समय में अनुकूलित गतिशील स्कोर

विघटन और अवसर

संगीत उद्योग एक क्रॉसरोड पर खड़ा है। संगीत उद्योग में राजस्व 17.2% तक बढ़ने की उम्मीद है, जो एआई-जनित संगीत द्वारा आंशिक रूप से चलाया जा रहा है, 2024 में वैश्विक एआई संगीत बाजार 2.9 बिलियन डॉलर के मूल्य पर। हालांकि, यह वृद्धि कलाकारों और उद्योग पेशेवरों से महत्वपूर्ण चिंताओं के साथ आती है।

गोल्डमीडिया के शोध के अनुसार, उचित मुआवजा प्रणालियों के बिना, संगीतकार 2028 तक अपनी आय का 27% तक खो सकते हैं क्योंकि एआई-जनित सामग्री बढ़ती है। डर स्पष्ट है – क्या एआई मानव संगीतकारों को बदल देगा? क्या मानव रचनात्मकता का मूल्य एक ऐसे विश्व में कम हो जाएगा जहां कोई भी पेशेवर ध्वनि वाला संगीत बना सकता है?

मैगेंटा आरटी इन चिंताओं का एक सूक्ष्म उत्तर प्रदान करता है। मानव रचनात्मकता को बढ़ाने के बजाय उसे बदलने वाले एक ओपन-सोर्स टूल के रूप में खुद को स्थापित करके, यह दिखाता है कि एआई और संगीतकार कैसे सह-अस्तित्व में रह सकते हैं। वास्तविक समय मानव इनपुट की आवश्यकता यह सुनिश्चित करती है कि प्रौद्योगिकी मानव रचनात्मकता को बढ़ाती है, स्वतंत्र रूप से काम नहीं करती है।

लोकतंत्रीकरण बनाम मूल्यह्रास

मैगेंटा आरटी का सबसे महत्वपूर्ण प्रभाव संगीत निर्माण को लोकतंत्रीकरण करने की इसकी क्षमता है। मॉडल को अंततः उपभोक्ता हार्डवेयर पर चलने के लिए डिज़ाइन किया गया है और पहले से ही मुफ्त-टियर कोलाब टीपीयू पर कार्यात्मक है। यह पहुंच यह意味 करती है कि महंगे उपकरण या औपचारिक प्रशिक्षण के बिना महत्वाकांक्षी संगीतकार जटिल संगीत विचारों के साथ प्रयोग कर सकते हैं, एआई संगीत जनरेटरों के बढ़ते पारिस्थितिकी तंत्र में शामिल हो सकते हैं जो रचनात्मक कार्य प्रवाह को बदल रहे हैं।

हालांकि, यह लोकतंत्रीकरण जोखिम के साथ आता है। जैसा कि संगीतकार मार्क हेनरी फिलिप्स ने एआई संगीत जनरेशन के साथ अपने प्रयोग में नोट किया है, वह संदेह करता है कि वह “जल्द ही एक संगीतकार के रूप में जीविका कमाने में सक्षम नहीं होंगे, क्योंकि कंपनियां स्वयं प्रौद्योगिकी का उपयोग शुरू कर देंगी।” व्यावसायिक संगीतकारों के लिए पारंपरिक राजस्व धाराओं को व्यावसायिक-गुणवत्ता वाला संगीत उत्पन्न करने की एआई की आसानी से खतरा है।

हालांकि, एक और दृष्टिकोण पर विचार करना है। जैसे डिजिटल फोटोग्राफी ने पेशेवर फोटोग्राफरों को समाप्त नहीं किया, बल्कि उनके काम की प्रकृति को बदल दिया, एआई संगीत जनरेशन संगीत कैरियर को पुनर्निर्धारित कर सकती है, न कि उन्हें बदल सकती है। कुंजी यह है कि संगीतकार इन उपकरणों को अपनी रचनात्मक प्रक्रिया में कैसे एकीकृत करते हैं।

वास्तविक समय एआई संगीत जनरेशन का उदय भी प्रमुख नैतिक प्रश्नों को सामने लाता है। कॉपीराइट, स्वामित्व और न्यायपूर्ण मुआवजा विवादास्पद मुद्दे बने हुए हैं। 90% संगीतकार मानते हैं कि एआई कंपनियों को प्रशिक्षण के लिए कॉपीराइट सामग्री का उपयोग करने से पहले अनुमति मांगनी चाहिए, जो तकनीकी नवाचार और कलात्मक अधिकारों के बीच तनाव को उजागर करता है।

मैगेंटा आरटी का ओपन-सोर्स दृष्टिकोण एक संभावित आगे का रास्ता प्रदान करता है। मॉडल को मुफ्त में उपलब्ध कराने और लगभग 190,000 घंटे के वाद्य स्टॉक संगीत के साथ प्रशिक्षित करने के द्वारा, गूगल ने कुछ कॉपीराइट चिंताओं को टालने का प्रयास किया है जबकि अभी भी एक कुशल मॉडल का उत्पादन किया है।

मॉडल की सीमाएं भी नैतिक विचारों को प्रतिबिंबित करती हैं। जबकि यह गैर-लेक्सिकल वोकलाइजेशन और हुमिंग का उत्पादन करने में सक्षम है, मैगेंटा आरटी गीतों पर सशर्त नहीं है और वास्तविक शब्दों का उत्पादन करने की संभावना नहीं है। यह डिज़ाइन विकल्प अनुचित लिरिकल सामग्री के संभावित मुद्दों से बचने में मदद करता है जबकि उपकरण को वाद्य संरचना पर केंद्रित करता है।

मानव-एआई संगीत सहयोग का भविष्य

जैसा कि हम इस नए युग में प्रवेश करते हैं संगीत निर्माण में, कई रुझान उभर रहे हैं:

1. हाइब्रिड रचना मॉडल: एआई जैसे टूल्स मैगेंटा आरटी संगीतकारों के साथ सहयोगी बन रहे हैं। बीट ट्रैकिंग सिस्टम में शून्य विलंबता और बढ़ी हुई नियंत्रणीयता में हाल के विकास दिखाते हैं कि एआई मानव प्रदर्शनकारियों के साथ वास्तविक समय में कैसे सिंक्रोनाइज़ कर सकता है।
2. नए प्रदर्शन परिदृश्य: एआई के साथ “प्रदर्शन” करने की अवधारणा पूरी तरह से नए कलात्मक संभावनाओं को खोलती है। संगीतकार इन प्रणालियों को वाद्यों की तरह सीखना सीख रहे हैं, विशिष्ट ध्वनियों को बाहर निकालने और लेटेंट संगीत स्थानों का नेविगेशन करने के लिए तकनीकें विकसित कर रहे हैं।
3. शैक्षिक क्रांति: एआई संगीत जनरेशन प्रौद्योगिकी ने संगीत शिक्षा को क्रांतिकारी बना दिया है, प्लेटफ़ॉर्म प्रदान करते हुए जो उपयोगकर्ताओं के प्रदर्शन को सुनते हैं और तुरंत प्रतिक्रिया प्रदान करते हैं। तकनीकी अभिसरण: न्यूरल ऑडियो कोडेक्स और अनुकूलित आर्किटेक्चर में नवाचारों के साथ, टूल्स जैसे म्यूजिकएफएक्स डीजे अब वास्तविक समय में उत्पादन-गुणवत्ता 48kHz स्टीरियो ऑडियो स्ट्रीम कर सकते हैं, एआई-जनित संगीत को पेशेवर मानकों तक ले जाते हैं।

सहयोगी भविष्य को अपनाना

मैगेंटा रियलटाइम एक भविष्य की झलक प्रदान करता है जहां मानव और मशीन रचनात्मकता के बीच की सीमाएं तेजी से तरल होती जा रही हैं। वास्तविक समय मानव इनपुट की आवश्यकता और प्रक्रिया पर ध्यान केंद्रित करके न कि केवल आउटपुट पर, यह एक मॉडल प्रदान करता है जो मानव रचनात्मकता को बढ़ाता है, इसे प्रतिस्थापित नहीं करता है।

प्रौद्योगिकी की ओपन-सोर्स प्रकृति और उपभोक्ता हार्डवेयर पर इसकी पहुंच संगीत निर्माण को लोकतंत्रीकरण करती है, जबकि इसकी वास्तविक समय प्रतिबंध यह सुनिश्चित करते हैं कि मानव एजेंसी रचनात्मक प्रक्रिया में केंद्रीय रहती है। जैसा कि मैगेंटा टीम पर जोर देती है, मानव रचनात्मकता को बढ़ाना – इसे प्रतिस्थापित नहीं करना – हमेशा उनके मिशन के मूल में रहा है।

संगीतकारों, निर्माताओं और संगीत प्रेमियों के लिए संदेश स्पष्ट है: संगीत का भविष्य मानव या एआई निर्माण के बीच चयन करने में नहीं है, बल्कि वास्तविक समय में दोनों के बीच सहयोग से उत्पन्न विशाल रचनात्मक संभावनाओं का अन्वेषण करने में है। मैगेंटा आरटी रीमैगिनिंग का एक निमंत्रण है कि एआई युग में संगीत निर्माण क्या हो सकता है।

जैसा कि हम आगे बढ़ते हैं, संगीत उद्योग को न्यायपूर्ण मुआवजे, कॉपीराइट और मानव रचनात्मकता के मूल्य के बारे में महत्वपूर्ण प्रश्नों से निपटना होगा। लेकिन अगर मैगेंटा आरटी जैसे टूल्स कोई संकेत हैं, तो संगीत का भविष्य सहयोग, प्रयोग और नए अभिव्यक्ति के रूपों का होगा जिन्हें हम अभी तक कल्पना करना शुरू कर रहे हैं।