Prieš kelerius metus, jei kas nors būtų pasakęs, kad kompiuteris per kelias sekundes sukurs pilnavertę dainą su vokalu, instrumentais ir net emocine gaida — būtum pasukęs pirštu prie smilkinio. Šiandien tai jau nebe fantastika, o kasdienybė. Atidarai naršyklę, įvedi kelis žodžius apie tai, kokios muzikos nori, ir po minutės klausaisi rezultato. Skamba pernelyg gerai, kad būtų tiesa? Iš dalies taip ir yra — bet apie tai vėliau.
Kaip tai iš viso veikia
Muzikos generavimas su dirbtiniu intelektu remiasi tais pačiais principais kaip ir teksto ar vaizdo generavimas — tik čia vietoj pikselių ar žodžių operuojama garso bangomis arba muzikiniais simboliais. Modeliai treniruojami ant milžiniškų muzikos duomenų kiekių — nuo klasikinių simfonijų iki šiuolaikinio popso, ir mokosi atpažinti šablonus: kaip kinta melodija, kokie akordai dažniausiai eina vienas po kito, kaip formuojasi ritmas skirtinguose žanruose.
Yra du pagrindiniai požiūriai. Vienas — generuoti garsą tiesiogiai, bangų lygmenyje (tai daro, pavyzdžiui, Suno ar Udio). Kitas — dirbti su simboline notacija, panašiai kaip MIDI failai, kur modelis generuoja natas, o vėliau jos verčiamos į garsą per virtualius instrumentus. Pirmasis būdas duoda realistiškesnį, „gyvą” skambesį su vokalu, antrasis — dažniau naudojamas, kai reikia daugiau kontrolės ir redagavimo galimybių.
Technine prasme dauguma šiuolaikinių sprendimų remiasi transformerių architektūra — ta pačia, kuri stovi už ChatGPT ir panašių kalbos modelių. Tik čia „žodžiai” pakeisti į garso fragmentus arba muzikinius tokenus.
Suno, Udio ir kiti žaidėjai rinkoje
Šiuo metu populiariausi įrankiai, apie kuriuos girdi kone kiekviename technologijų forume, yra Suno ir Udio. Abu leidžia tiesiog aprašyti norimą dainą tekstu — žanrą, nuotaiką, temą — ir per minutę gauni pilną kūrinį su vokalu. Suno papildomai leidžia įvesti savo tekstą (dainos žodžius), o modelis sukuria melodiją ir atlikimą aplink juos.
Google turi savo projektą MusicLM ir vėliau pristatytą Lyria, kurie orientuoti labiau į eksperimentinę ir tyrimų pusę, nors dalis funkcionalumo jau integruota į vartotojams prieinamus produktus. Meta savo ruožtu pristatė MusicGen — atvirojo kodo modelį, kurį gali paleisti net lokaliai, jei turi pakankamai galingą vaizdo plokštę.
Yra ir nišinių sprendimų — pavyzdžiui, AIVA, orientuota labiau į kino ir žaidimų muzikos kūrimą, arba Boomy, skirtas greitai generuoti trumpus kūrinius be didelių pretenzijų į meninę gilumą. Kiekvienas įrankis turi savo „charakterį” — vieni geriau tvarkosi su elektronine muzika, kiti su akustiniais žanrais.
Kodėl muzikantai reaguoja skirtingai
Čia prasideda įdomiausia dalis. Muzikos industrijoje reakcijos į DI generuojamą muziką svyruoja nuo entuziazmo iki atviro pasipiktinimo. Dalis produiuserių ir kompozitorių žiūri į tai kaip į naują instrumentą — panašiai kaip kadaise sintezatoriai ar sempleriai sukėlė panašias diskusijas. Jiems DI yra tiesiog dar vienas įrankis darbastalyje, padedantis greičiau prototipuoti idėjas.
Kita pusė mato egzistencinę grėsmę. Ir tam yra pagrindo — juk modeliai treniruoti ant realių žmonių kūrinių, dažnai be jų sutikimo. 2024 metais didžiosios muzikos leidyklos padavė į teismą tiek Suno, tiek Udio, teigdamos, kad šie modeliai treniruoti naudojant autorių teisėmis saugomą medžiagą be leidimo. Bylos dar nagrinėjamos, bet jos jau formuoja tai, kaip industrija ateityje žiūrės į panašias technologijas.
Yra ir subtilesnė problema — jei modelis girdėjo tūkstančius dainų tam tikru stiliumi, jo generuojami kūriniai neišvengiamai primena tą stilių. Kur riba tarp įkvėpimo ir plagiato, kai kalbame apie mašiną, o ne žmogų? Teisiniu požiūriu tai kol kas neaiškus vandenynas.
Praktinis naudojimas — nuo hobio iki verslo
Realybėje dauguma žmonių, naudojančių šiuos įrankius, nėra profesionalūs muzikantai. Turinio kūrėjai YouTube ar TikTok generuoja fono muziką savo vaizdo įrašams, nes tai pigiau ir greičiau nei ieškoti licencijuotų takelių. Podcast’ų kūrėjai naudoja DI sukurtus intro/outro garsus. Net smulkūs reklamos agentūrų projektai vis dažniau naudoja generuotą muziką, kai biudžetas neleidžia samdyti kompozitoriaus.
Jei nori pabandyti pats — pradėk nuo paprasto. Suno turi nemokamą planą su ribotu generacijų skaičiumi per dieną, tad gali eksperimentuoti be finansinės rizikos. Svarbiausia — būk konkretus aprašyme. Vietoj „linksma daina” parašyk „energinga indie-pop daina apie vasaros kelionę, su akustine gitara ir ritmiška būgnų partija, moteriškas vokalas”. Kuo detalesnis aprašymas, tuo didesnė tikimybė gauti tai, ko tikiesi.
Verta žinoti ir apie apribojimus. Generuotos dainos dažnai turi keistų momentų — vokalas gali „nuslysti” nuo melodijos, žodžiai kartais tampa neaiškūs arba pasikartoja beprasmiškai. Ilgesni kūriniai (virš trijų minučių) dažnai praranda struktūrinį nuoseklumą. Tai nėra dar gatavas produktas be jokio žmogaus įsikišimo — dažniausiai reikia bent minimalaus redagavimo.
Kas priklauso teisiškai — labirintas be aiškaus išėjimo
Vienas dažniausių klausimų, kurį girdžiu iš žmonių, pradedančių eksperimentuoti su DI muzika — ar galiu tai naudoti komerciškai? Atsakymas priklauso nuo konkretaus įrankio sąlygų. Suno mokamuose planuose leidžia komercinį naudojimą, nemokamame — ne. Panašiai veikia ir kiti platformos.
Sudėtingesnis klausimas — autorystė. JAV autorių teisių biuras jau ne kartą pareiškė, kad kūriniai, sukurti visiškai be žmogaus kūrybinio indėlio, negali būti registruojami kaip autorių teisėmis saugomi. Tai reiškia — jei tiesiog paspaudei mygtuką ir gavai dainą, formaliai niekas negali uždrausti kitam ją naudoti taip pat. Bet jei prie generuoto kūrinio pridėjai savo redagavimą, aranžuotę ar žymiai perdirbai — situacija keičiasi.
Europoje reguliavimas dar formuojasi, bet ES DI aktas jau numato reikalavimus skaidrumui — kompanijos turės atskleisti, kokie duomenys naudoti modelių treniravimui. Tai gali atverti kelią naujoms byloms ir diskusijoms apie kompensacijas originaliems kūrėjams, kurių darbai pateko į treniravimo duomenis.
Ateities kryptys — kur visa tai juda
Technologija tobulėja stulbinamu greičiu. Prieš dvejus metus generuota muzika skambėjo mechaniškai, robotiškai, dažnai su akivaizdžiais artefaktais. Šiandien dalis kūrinių sunkiai atskiriami nuo studijinės produkcijos. Kita kryptis, kurią matau vis stipriau — personalizacija. Įsivaizduok programėlę, kuri generuoja unikalią daina specifiškai tavo nuotaikai konkrečiu momentu, remdamasi tavo klausymosi istorija ir net biometriniais duomenimis iš išmaniojo laikrodžio.
Žaidimų ir filmų industrija jau pradeda eksperimentuoti su dinamiška muzika, kuri realiu laiku prisitaiko prie žaidėjo veiksmų ar filmo scenos intensyvumo — čia DI generavimas atveria galimybes, kurios anksčiau reikalavo brangaus adaptyvaus garso dizaino komandų darbo.
Kita vertus, matau ir atvirkštinę tendenciją — dalis klausytojų sąmoningai ieško „žmogiškos” muzikos, pabrėždami jos autentiškumą kaip vertybę. Panašiai kaip vinilo plokštelės grįžo kaip niša, nepaisant streaming patogumo, tikėtina, kad „žmogaus sukurta” muzika taps savotišku premium ženklu ateityje.
Ką su visu tuo daryti dabar
Jei esi muzikantas, nebijok šių įrankių — geriau juos išbandyk ir supask, kaip jie veikia, nei ignoruok tikėdamasis, kad tendencija praeis. Panaudok juos kaip smėlio dėžę idėjoms — greitas prototipavimas melodijų, eksperimentavimas su žanrų mišiniais, kuriuos gyvai būtų sunku ar brangu išbandyti. Bet nepamiršk, kad tavo asmeninė perspektyva, gyvenimo patirtis ir emocinis niuansavimas — tai kas mašina kol kas negali autentiškai atkartoti.
Jei esi turinio kūrėjas ar verslo atstovas, ieškantis fono muzikos — patikrink licencijavimo sąlygas prieš naudojant, ypač jei planuoji monetizuoti turinį. Geriau praleisti penkias minutes skaitant sąlygas, nei vėliau gauti pretenziją dėl autorių teisių pažeidimo.
O jei tiesiog smalsu — tiesiog pabandyk. Sukurk kelias dainas, pasijuok iš keistų rezultatų, nustebink draugus. Technologija dar toli nuo tobulumo, bet būtent dabar, kol viskas dar formuojasi, įdomiausia stebėti, kaip greitai keičiasi ribos tarp to, ką sukuria žmogus, ir to, ką sugeneruoja algoritmas. Muzika visada buvo apie eksperimentavimą — šis naujas įrankių rinkinys tiesiog prideda dar vieną skambesio paletę į jau ir taip turtingą kūrybos peizažą.
