गूगल ने एआई संगीत मॉडल का अनावरण किया जो प्लेबैक से तेजी से बनाता है

इसे कल्पना कीजिए: एक संगीतकार अपने कंप्यूटर पर बैठा है, नोट बाई नोट रचना नहीं कर रहा है, बल्कि एक एआई सहयोगी को लाइव प्रदर्शन के माध्यम से निर्देशित कर रहा है – शैलियों को बदलना, 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 पीढ़ी में वास्तविक समय की इंटरैक्टिविटी लाता है।

हाल ही में जारी, 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 की इंटरैक्टिविटी को सक्षम बनाता है। संगीत उद्योग – जो पहले से ही एआई के विघटनकारी प्रभाव से जूझ रहा है – इस प्रौद्योगिकी के लिए नए रूपों की रचनात्मक अभिव्यक्ति के दरवाजे खोलती है, जबकि लेखकता, प्रदर्शन, और मानव संगीतकारों के भविष्य के बारे में गहरे प्रश्न उठाती है।

मैगेंटा रियलटाइम को समझना

मैगेंटा आरटी का मूल एक 800 मिलियन पैरामीटर ऑटोरेग्रेसिव ट्रांसफॉर्मर मॉडल है, लेकिन जो इसे अलग बनाता है वह वास्तविक समय पीढ़ी की चुनौती के लिए इसका दृष्टिकोण है। मॉडल 2-सेकंड के चंक्स में संगीत की निरंतर धारा उत्पन्न करता है, प्रत्येक 10 सेकंड के पिछले ऑडियो आउटपुट और एक गतिशील रूप से समायोज्य शैली एम्बेडिंग पर सशर्त। 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। यह गति कई नवाचारों के माध्यम से संभव है:

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

जो इसे विशेष रूप से प्रभावशाली बनाता है वह यह है कि एपीआई-आधारित समाधानों या बैच-ओरिएंटेड पीढ़ी मॉडल के विपरीत, मैगेंटा आरटी आगे के वास्तविक समय कारक से अधिक 1 के साथ स्ट्रीमिंग सिंथेसिस का समर्थन करता 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।

पैसिव जनरेशन से एक्टिव प्रदर्शन तक

वास्तविक समय एआई संगीत पीढ़ी के निहितार्थ तकनीकी विशिष्टताओं से बहुत आगे बढ़ जाते हैं। जैसा कि मैगेंटा टीम नोट करती है, “लाइव इंटरैक्शन खिलाड़ी से अधिक मांगता है लेकिन बदले में अधिक प्रदान कर सकता है। मानव और मॉडल के बीच निरंतर धारणा-क्रिया लूप रचनात्मक प्रवाह राज्य तक पहुंच प्रदान करता है, अनुभव को अंतिम उत्पाद पर नहीं बल्कि प्रक्रिया के आनंद पर केंद्रित करता है।”

यह पैसिव से एक्टिव जुड़ाव में परिवर्तन एआई-जनित सामग्री की एक प्राथमिक आलोचना को संबोधित करता है: इसकी संभावित क्षमता बाजार में आत्मा रहित, बड़े पैमाने पर उत्पादित संगीत की बाढ़ लाने की। वास्तविक समय मॉडल “स्वाभाविक रूप से निष्क्रिय सामग्री की बाढ़ पैदा करने से बचते हैं, क्योंकि वे सुनने और पीढ़ी को 1:1 अनुपात में संतुलित करते हैं।” प्रत्येक क्षण संगीत बनाने के लिए मानव ध्यान और निर्णय लेने का एक क्षण आवश्यक है।

संभावनाओं पर विचार करें जो यह खोलता है:

• 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 करने वाले टूलकिट में जोड़ रहे हैं जो मानव रचनात्मकता को बढ़ाते हैं न कि इसे बदलने के लिए
• इंटरएक्टिव इंस्टॉलेशन: कलाकार ऐसे वातावरण बना सकते हैं जहां संगीत दर्शकों की गति या पर्यावरणीय कारकों के प्रति प्रतिक्रिया करता है
• शैक्षिक उपकरण: छात्र तुरंत, स्पर्शपूर्ण प्रतिक्रिया के माध्यम से संगीत概念 का अन्वेषण कर सकते हैं
• गेम साउंडट्रैक: वास्तविक समय में खिलाड़ी की क्रियाओं के अनुसार अनुकूलित गतिशील स्कोर

विघटन और अवसर

संगीत उद्योग एक क्रॉसroads पर खड़ा है। संगीत उद्योग में राजस्व 17.2% 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 का मूल्य है। हालांकि, यह वृद्धि कलाकारों और उद्योग पेशेवरों से चिंताओं के साथ आती है।

गोल्डमीडिया के अनुसंधान से पता चलता है कि उचित मुआवजा प्रणालियों के बिना, संगीतकार 2028 तक एआई-जनित सामग्री के बढ़ने के कारण अपनी आय का 27% तक खो सकते हैं। डर स्पष्ट है – क्या एआई मानव संगीतकारों को बदल देगा? क्या मानव रचनात्मकता का मूल्य एक ऐसे世界 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। खुद को एक ओपन-सोर्स टूल के रूप में स्थापित करके जो मानव रचनात्मकता को बढ़ाता है न कि इसे बदलने के लिए, 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 सृजन को लोकतंत्रीकरण करने की इसकी क्षमता है। मॉडल को अंततः उपभोक्ता हार्डवेयर पर चलने के लिए डिज़ाइन किया गया है और यह पहले से ही मुफ्त-टियर कोलाब टीपीयू पर कार्यात्मक है। यह सुलभता का अर्थ है कि महंगे उपकरण या औपचारिक प्रशिक्षण के बिना महत्वाकांक्षी संगीतकार जटिल संगीत विचारों के साथ प्रयोग कर सकते हैं, एआई संगीत जनरेटर्स के बढ़ते पारिस्थितिकी तंत्र में शामिल हो रहे हैं जो रचनात्मक कार्य प्रवाह को बदल रहे हैं।

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

फिर भी, 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 पीढ़ी संगीत कैरियर को पुनर्निर्धारित कर सकती है, न कि इसे बदलने के लिए। मुख्य बात यह है कि संगीतकार इन उपकरणों को अपनी रचनात्मक प्रक्रिया में कैसे एकीकृत करते हैं।

वास्तविक समय एआई संगीत पीढ़ी का उदय कॉपीराइट, स्वामित्व, और उचित मुआवजे के बारे में तत्काल नैतिक प्रश्नों को सामने लाता है। 90% संगीतकारों का मानना है कि एआई कंपनियों को प्रशिक्षण के लिए कॉपीराइट सामग्री का उपयोग करने से पहले अनुमति मांगनी चाहिए, तकनीकी नवाचार और कलात्मक अधिकारों के बीच तनाव को उजागर करते हैं।

मैगेंटा आरटी का ओपन-सोर्स दृष्टिकोण एक संभावित आगे का रास्ता प्रदान करता है। प्रौद्योगिकी को मुफ्त में उपलब्ध कराने और लगभग 190,000 घंटे के स्टॉक संगीत से प्रशिक्षित करने के द्वारा, गूगल ने कुछ कॉपीराइट चिंताओं से बचने 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 गैर-लेक्सिकल वोकलाइजेशन और ह्म्मिंग का उत्पादन करने में सक्षम, मैगेंटा आरटी गीतों पर सशर्त नहीं है और असंभवतः वास्तविक शब्दों का उत्पादन नहीं करेगा। यह डिज़ाइन विकल्प अनुचित लिरिकल सामग्री के उत्पादन से संबंधित संभावित मुद्दों से बचने में मदद करता है, जबकि उपकरण को वाद्य रचना पर केंद्रित करता है।

मानव-एआई संगीत सहयोग का भविष्य

जैसा कि हम इस नए युग में संगीत सृजन के किनारे पर खड़े हैं, कई रुझान उभर रहे हैं:

1. हाइब्रिड रचना मॉडल: एआई टूल्स जैसे मैगेंटा आरटी संगीतकारों के साथ सहयोगी बन रहे हैं। हाल के विकास बीट ट्रैकिंग सिस्टम में शून्य विलंबता और बढ़ी हुई नियंत्रणीयता के साथ दिखाते हैं कि एआई वास्तविक समय में मानव प्रदर्शनकारियों के साथ 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 सिस्टम को उपकरणों की तरह “खेलना” सीख रहे हैं, विशिष्ट ध्वनियों को प्राप्त करने और लेटेंट संगीत स्थानों का नेविगेशन करने के लिए तकनीक विकसित कर रहे हैं।
3. शैक्षिक क्रांति: एआई संगीत पीढ़ी 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 संवलन: न्यूरल ऑडियो कोडेक्स और अनुकूलित आर्किटेक्चर में नवाचारों के साथ, म्यूजिकएफएक्स डीजे जैसे टूल्स अब वास्तविक समय में 48kHz स्टीरियो ऑडियो को स्ट्रीम कर सकते हैं, एआई-जनित संगीत को पेशेवर मानकों तक ले जा रहे हैं।

सहयोगी भविष्य को अपनाना

मैगेंटा रियलटाइम एक भविष्य की झलक प्रदान करता है जहां मानव और मशीन रचनात्मकता के बीच की सीमाएं बढ़ती जाती हैं। वास्तविक समय मानव इनपुट की आवश्यकता और प्रक्रिया पर ध्यान केंद्रित करके न कि केवल आउटपुट पर, यह एक ऐसे एआई का 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 सुलभता संगीत सृजन को लोकतंत्रीकृत करती है, जबकि इसके 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 का केंद्र रहा है।

संगीतकारों, निर्माताओं और संगीत प्रेमियों के लिए, संदेश स्पष्ट है: संगीत का भविष्य मानव या एआई रचना के बीच चयन करने में नहीं है, बल्कि वास्तविक समय में दोनों के बीच सहयोग से उत्पन्न होने वाली विशाल रचनात्मक संभावनाओं का अन्वेषण करने में है। मैगेंटा आरटी संगीत सृजन को क्या हो सकता है इसकी पुनः कल्पना करने के लिए एक आमंत्रण है।

जैसा कि हम आगे बढ़ते हैं, संगीत उद्योग को उचित 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 रूपों की अभिव्यक्ति का होगा जिन्हें हम अभी तक कल्पना कर रहे हैं।