セス・フォーグレン、Riffusionの共同創設者兼CEO – インタビュー・シリーズ

セス・フォーグレン、Riffusionの共同創設者兼CEOは、テキスト・プロンプトからオーディオ・トラックを生成するAIパワードのミュージック・ジェネレーション・ツールの開発を牽引しています。Riffusionは、ユーザーがさまざまな音楽スタイルやサウンドをリアルタイムで実験できるようにし、音楽制作をよりアクセスしやすくしています。創造性と使いやすさの両方を考慮して設計されたこのプラットフォームは、誰でも専門的な音楽知識を必要とせずにAI生成音楽を探索できるようにします。

Riffusionは、私が個人的に試した中で最高のAIミュージック・ジェネレーターであり、AI生成音楽に興味があるユーザーに推奨するツールです。

Riffusionの初期の日々に戻ってみてください。AIミュージック・ジェネレーション・ツールを構築するきっかけとなった最初のスパークは何でしたか?

Riffusionは、2人の生涯のミュージシャン之间の完全な趣味プロジェクトとして始まりました。私の共同創設者であるHaykと私は、10年以上前にアマチュア・バンドで一緒に演奏し、創造的な行為に常に魅了されていました。一日の午後、僕のバックヤードで曲を書いているときに、インスピレーションを探して初期のAIモデルを試しましたが、画像を生成できるものではなく、音楽を作ることができるツールが必要でした。そんなツールは当時存在しなかったので、自分たちで作ることにしました。

いつ頃、Riffusionが本格的な会社になる可能性があると気づきましたか?

転換点は、僕らが趣味プロジェクトを友達に共有したときでした。予想外にそれが急にバイラルになりました。技術者やAIの愛好家だけではなく、プロのミュージシャン、プロデューサー、そして何百万人もの日常の音楽愛好家が予想できなかった方法でそれに関与しました。僕らの好きなアーティストの中には、Riffusionを使って作ったサンプルで連絡を取り始めた人もいました。

このプロジェクトは、Google (GOOGL ) 、ByteDanceなどのトップ研究ラボを刺激し、彼ら自身のAIミュージックの取り組みを僕らの仕事に基づいて開始するきっかけとなりました。明らかに、これは単なる実験ではありませんでした。会社として、僕らは今、創造的な人々すべてにこの新しい楽器をもたらすチャンスを持っています。

Riffusionを実験から商用製品へと移行する際に直面した最大の技術的およびビジネス上の課題は何でしたか?

技術面では、大きな進歩を遂げました。最初のモデルは低品質の5秒間の音楽の断片を生成しましたが、現在はフル・レングスの高品質の曲を生成でき、制御性と表現力も大幅に向上しています。これはモデル・アーキテクチャーの大きな進歩と、常に基礎から再考する必要性の結果です。僕らの研究チームの素晴らしいメンバーがこれまでに到達できたのは、彼らの功績です。まだこれは技術の可能性の始まりに過ぎません。

ビジネス面では、Riffusionが音楽業界の中でどのように位置するかについて深く考える必要がありました。AIミュージックはまだ新しい分野であり、プロのクリエイターとアマチュアの両方から驚くべき採用を見ていますが、AIと人間の創造性が共存する方法についての議論は続いています。僕らの焦点は常にミュージシャンを強化すること、置き換えることではありません。人々に新しい創造性を探求するための新しいツールを提供することです。

Riffusionは当初、短いミュージカル・リフを生成することに重点を置いていましたが、現在はフル・レングスの曲を構成できます。どのような進歩がこの機能の拡張を可能にしましたか?

僕らは、基礎モデルをゼロからトレーニングすることで、Riffusionの出力の品質、表現力、制御性を向上させることができました。FUZZという最新のモデルを開発してリリースしたことが大きなブレークスルーでした。盲検テストで、FUZZは同じ歌詞やサウンド・プロンプトに対して競合するモデルを上回ります。また、モデルはユーザーが個人的なサウンドを見つけるのを助けるように設計されており、ユーザーがRiffusionを使う時間が増えるにつれて、FUZZはユーザーの個人的な味を学習し、生成される音楽もよりパーソナライズされます。これがRiffusionの大きな違いだと思います。

多くのAIミュージック・モデルは、音楽における感情の深さを維持するのに苦労しています。Riffusionは、さまざまなムードやスタイルのニュアンスをどのように捉えるのですか?

音楽は深く個人的で感情的なものであり、Riffusionが人間のレベルで共感できる音楽を生成することを望みます。僕らのアドバイザーであるAlex Pallは、「これは音を作ることではなく、音を通じて特別なものを人々に感じさせることです」と言います。

優れたヴァイオリンはアーティストを完全に表現できるようにするのと同様に、僕らのモデルはユーザーの創造性によって導かれる楽器です。メロディー、テキスト・プロンプト、または画像を入力する場合でも、Riffusionはユーザーの意図に適応し、出力をさまざまなムード、ダイナミクス、スタイルの選択に合わせて形成します。僕らは、毎日素晴らしい音楽を作るためにプラットフォームに戻ってくるユーザーに焦点を当てています。

AI生成音楽が進化を続ける中で、人間の創造性を置き換えるのではなく、どのようにして補完することができるか見て取りますか?

AIはミュージシャンにとっての楽器であり、置き換えではありません。歴史を通して、新しい音楽ツール – シンセサイザーからデジタル・オーディオ・ワークステーションまで – はアーティストが創造できるものを拡大し、人間の芸術性を損なうことはありません。Riffusionも同じ哲学を遵守しています。僕らはRiffusionを、ミュージシャンが実験し、コラボレーションし、新しい物語を創造するための手段として見ています。アーティストはまだ魂と意図を音楽に持ち込み、AIはそれらのアイデアを実現するのに役立ちます。プロのミュージシャンや愛好家が毎日このツールを受け入れて、創造的なプロセスで喜びを見出していることを知って、僕らはとても嬉しく思います。

ミュージシャンやプロデューサーはRiffusionの機能にどのように反応していますか? 予期せぬまたは革新的なツールの使用法は見られましたか?

反応はかなりすごいものでした。何年も前にこの技術を使用し始めた人もいましたが、毎週、プロのミュージシャンやプロデューサーがこの技術を採用する数は劇的に増えています。僕らはアーティストがRiffusionを新しいメロディーをブレインストーミングしたり、新しいサウンドをクラフトしたり、さらには全曲を構成するために使用するのを目撃しています。何人かはRiffusionの生成とライブ演奏を組み合わせて、まったく新しいジャンルを作り出しています。最も興奮することは、人々がこのツールを取り上げて自分なりに使う方法を見つけることです。自然の音から音楽を生成したり、実験的な構成をテストしたり、映画の音楽をスコアしたりしています。

今やRiffusionが長尺の音楽を生成できるようになったので、映画、ビデオゲーム、またはその他のメディアでのAI生成スコアの可能性を見て取りますか?

長尺の音楽を生成できる能力は、Riffusionをより大きなメディア・ランドスケープにおける強力なツールにします。映画製作者、ゲーム・デベロッパー、コンテンツ・クリエイターから、物語に適応するスコア、あるいはリアルタイムで生成されるスコアに興味がある声が聞こえてきています。明らかに、AIはストーリーテラーがさまざまな媒体を横断して自分を表現するのを助けることができます。僕らはこのフロンティアのただ始まりにあります。

先を見て、Riffusionの究極のビジョンは何ですか? 音楽創作の未来をどのように形作ることができますか?

今日、音楽を作る人は非常に少数ですが、創造性は全ての人間に内在しています。音楽制作の障壁を下げるだけでなく、可能な音の限界を上げるツールを構築することで、Riffusionは音楽の未来において重要な楽器になります。僕らはRiffusionを、誰でも音楽を作り、実験し、音楽を通じてつながる場所として見ています。プロのプロデューサーであっても、初めて曲を作る人であっても、Riffusionがあなたのサウンドを見つける手助けとなる楽器でありたいと思います。

素晴らしいインタビュー、ありがとうございました。AI生成音楽に興味があるユーザーは、Riffusionを訪問してください。