Seth Forsgren, medgrunnlegger og CEO av Riffusion – Intervju-serie

Seth Forsgren, medgrunnlegger og CEO av Riffusion, leder utviklingen av et AI-drevet musikkgenereringsverktøy som lager lydspor fra tekstprompter. Riffusion lar brukerne eksperimentere med forskjellige musikalske stiler og lyder i sanntid, og gjør musikkproduksjon mer tilgjengelig. Designet for både kreativitet og brukervennlighet, muliggjør plattformen at alle kan utforske AI-generert musikk uten å kreve formell musikalsk ekspertise.

Riffusion er den beste AI-musikkgeneratoren jeg personlig har prøvd, og er et verktøy jeg ville anbefale for brukere som er interessert i AI-generert musikk.

Kan du ta oss tilbake til de tidlige dagene med Riffusion? Hva var den innledende gnisten som ledet deg til å bygge et AI-musikkgenereringsverktøy?

Riffusion startet som et helt hobbyprosjekt mellom to livslange musikere. Min medgrunnlegger, Hayk, og jeg har spilt i amatørband sammen i over ett tiår, og vi har alltid vært fascinert av den kreative prosessen. En ettermiddag var vi i min bakgård og skrev en sang, og i søket etter inspirasjon begynte vi å leke med tidlige AI-modeller som kunne generere bilder fra ingenting. Men det vi virkelig ønsket oss, var et verktøy som kunne lage musikk med oss, en AI vi kunne samarbeide med for å skape nye melodier og lyder som ingen hadde hørt før. Det var ingenting som dette på den tiden, så vi prøvde å bygge det for oss selv mer enn noen andre.

Når realiserte du at det hadde potensialet til å bli et fullstendig selskap?

Vendepunktet kom da vi delte vårt hobbyprosjekt med noen venner, og ut av ingensteds gikk det veldig veldig viral. Det var ikke bare teknologer eller AI-entusiaster som var interessert – profesjonelle musikere, produsenter og millioner av vanlige musikkelskere engasjerte seg med det på måter vi aldri kunne ha forventet. Noen av våre favorittartister i verden begynte å kontakte oss med eksempler de hadde laget ved hjelp av Riffusion!

Prosjektet inspirerte også toppforskningslaboratorier hos Google (GOOGL ), ByteDance og andre til å starte sine egne AI-musikkprosjekter basert på vårt arbeid, og det var klart at dette ikke bare var et eksperiment – det var grunnlaget for noe mye større. Som selskap har vi nå muligheten til å bringe dette nye instrumentet til kreative mennesker over hele verden.

Hva var de største tekniske og forretningsmessige utfordringene du møtte da du gikk fra Riffusion fra et eksperiment til et kommersielt produkt?

På den tekniske siden, har vi kommet langt. Våre første modeller genererte kornete, fem-sekunders klipp av lavkvalitetsmusikk, og vi kan nå generere full-lengde, høykvalitets sanger med stor kontroll og uttrykksfullhet. Dette har krevd store fremgang i modellarkitekturen og konstant omtenkning fra scratch. Det er en kreditt til de fantastiske forskerne på vårt team at vi har kommet så langt, og vi vet at dette fortsatt bare er begynnelsen på hva som er mulig med teknologien.

På forretningsiden, måtte vi tenke dypt over hvor Riffusion passer innen musikkindustrien. AI-musikk er fortsatt ny, og selv om vi ser en usedvanlig stor tilpasning fra både amatørskapere og profesjonelle, er det en pågående diskusjon om hvordan AI og menneskelig kreativitet kan sameksistere. Vår fokus har alltid vært på å gi musikere nye verktøy til å utforske sin kreativitet på måter de aldri trodde var mulig.

Riffusion ble opprinnelig fokusert på å generere korte musikalske riff, men nå kan det komponere full-lengde stykker. Hva var fremgangene som tillot deg å utvide dens kapasiteter?

Ved å trene våre egne grunnmodeller fra scratch, har vi kunnet forbedre kvaliteten, uttrykksfullheten og kontrollen over Riffusions utgang. En stor gjennombrudd kom med utviklingen og lanseringen av vår siste modell, FUZZ. I blinde tester, utfører FUZZ konsekvent bedre enn konkurrerende modeller når de får samme tekst- og lydprompter, og modellen er unikt designet for å hjelpe brukerne finne sin personlige lyd – jo mer tid en bruker tilbringer med å bruke Riffusion, jo mer lærer FUZZ deres individuelle smak, og jo mer tilpasset blir den genererte musikken. Vi ser på dette som en stor differensierer for Riffusion.

Mange AI-musikkmodeller sliter med å opprettholde emosjonell dybde i musikken. Hvordan fanger Riffusion opp nyansene av forskjellige humør og stiler?

Musikk er dypt personlig og emosjonell, og vi ønsker at Riffusion skal generere musikk som resonrerer på et menneskelig nivå. Som vår rådgiver Alex Pall sier, “Dette handler ikke om å lage lyd; det handler om å gjøre folk føle noe spesielt gjennom lyd.”

Akkurat som en godt laget fiolin kan gi en artist mulighet til å uttrykke seg fullstendig, trener vi våre modeller til å være et instrument styrt av brukerens kreativitet på hver enkelt punkt. Uansett om du inputter en melodi, en tekstprompt eller selv et bilde, tilpasser Riffusion seg din hensikt, og former utgangen til å reflektere forskjellige humør, dynamikk og stilistiske valg. Vi fokuserer på brukerne som kommer tilbake dag etter dag for å lage virkelig fantastisk musikk på plattformen.

Hvordan ser du på at AI-generert musikk komplementerer menneskelig kreativitet i stedet for å erstatte den?

AI er et instrument for musikere, ikke en erstatning. Gjennom hele historien har nye musikalske verktøy – fra synthesizere til digitale audio-arbeidsstasjoner – utvidet hva kunstnere kan skape uten å minske menneskelig kunstnerisk uttrykk. Riffusion følger samme filosofi. Vi ser på Riffusion som et instrument som oppmuntrer musikere til å eksperimentere, samarbeide og prøve nye former for fortelling. Kunstnere bringer fortsatt sjelen og intensjonen til sin musikk, og AI hjelper med å bringe disse ideene til live. Vi er begeistret for at så mange profesjonelle musikere og entusiaster omfavner dette verktøyet hver dag, og finner glede i den kreative prosessen.

Hvordan har musikere og produsenter reagert på Riffusions muligheter? Har du sett noen uventede eller innovative bruksområder for verktøyet?

Reaksjonen har vært ganske fantastisk. Det var noen som begynte å bruke disse verktøyene for noen år siden, men hver uke nå øker antallet profesjonelle musikere og produsenter som omfavner teknologien dramatisk. Vi har sett artister bruke Riffusion til å brainstorme nye melodier, lage nye lyder og sogar komponere hele album. Noen har blandet Riffusions genereringer med live-instrumentasjon for å skape helt nye sjangere. En av de mest spennende tingene har vært å se hvordan folk tar dette verktøyet og gjør det til sitt eget, enten det er å generere musikk fra naturens lyder, teste eksperimentelle komposisjoner eller lage filmmusikk.

Nå at Riffusion kan lage langform-musikk, ser du potensialet for AI-generert filmmusikk, videospill eller andre medier?

Evnen til å generere langform-musikk gjør Riffusion til et kraftig verktøy for det større medielandskapet. Vi ser allerede interesse fra filmmakere, spillutviklere og innholdsskapere som ønsker unike partiturer som tilpasser seg deres narrativer, kanskje sogar i sanntid. Det er klart at AI kan hjelpe fortellere til å uttrykke seg på tvers av modaliteter, og vi er bare i begynnelsen av denne frontieren.

Ser du fremover, hva er din ultimate visjon for Riffusion, og hvordan ser du på at det former fremtiden for musikkproduksjon?

I dag er det bare en liten brøkdel av mennesker som lager musikk, men kreativitet er innebygget i oss alle. Ved å bygge verktøy som senker terskelen for inngang samtidig som de hever taket for hva som er mulig med lyd, vil Riffusion være et viktig instrument i fremtiden. Jeg ser på Riffusion som stedet å gå for alle som ønsker å skape, eksperimentere og koble til gjennom musikk. Uansett om du er en profesjonell produsent eller noen som aldri har laget en sang før, ønsker vi at Riffusion skal være instrumentet som hjelper deg finne din lyd.

Takk for det flotte intervjuet, brukere som er interessert i å generere litt musikk bør besøke Riffusion.