音楽におけるAI：MusicBrainz Picardのようなアプリケーションとツール

人工知能（AI）は、人間の知能を機械で再現することを目的としています。人間らしさの重要な部分は、芸術、特に音楽とのつながりにあります。音楽は私たちの文化や感情に深く影響を与えます。AIの進歩のおかげで、機械は現在、人間が作曲したかのような音楽を作成できるようになりました。AIによる音楽は、人間とAIの間での革新的なコラボレーションの新たな可能性を切り開き、私たちが音楽を体験し、音楽と関わる方法を変革します。

本記事では、音楽制作にAIがどのように活用されているかを探ります。また、AIとMusicBrainz Picardのような音楽タグ付けツールとの関連性や、アーティスト、プロデューサー、そしてエンターテインメント業界全体に与える影響についても議論します。

サウンドAIとその意義#

AIは音を含むさまざまな種類のデータを扱うことができます。オーディオデータと呼ばれることが多い音データは、時間経過に伴う異なる強度の波形の組み合わせです。画像や時系列データと同様に、オーディオデータはAIシステムが処理・分析できる形式に変換可能です。音波は、AIモデルで分析可能な数値データに変換できます。

もう一つの興味深い手法は、音波をスペログラムに変換するフーリエ変換を使用することです。スペログラムは、音の異なる周波数が時間の経過とともにどのように変化するかを示す視覚的な表現です。AIモデルは、このスペクトログラムを画像のように扱うことで、画像認識の技術を適用して音声データを分析・解釈できます。AIは、視覚データに対するのと同様に、音の中のパターンや特徴を識別することができます。

図1 AIによって音声を分類している例。

AIを使用してオーディオデータを分析、操作、生成することで、さまざまなアプリケーションが生まれます。以下に例を挙げます。

• 音楽生成と作曲： 既存の楽曲から学習し、ミュージシャンのメロディ、ハーモニー、リズム作りを支援することで、新しい音楽を制作します。
• 音声エンハンスメントとノイズリダクション：コールセンター、補聴器、音声編集のためにバックグラウンドノイズを低減し、音声品質を向上させます。
• ポッドキャストの要約： ポッドキャストエピソードの簡潔な要約を生成し、コンテンツを消費しやすくします。
• **音声からの感情検出：**カスタマーサービス、メンタルヘルスモニタリング、およびユーザーエクスペリエンスリサーチのために、音声から感情を検出します。

AIソングジェネレーターの仕組みを理解する#

AIソングジェネレーターは、画像生成と同様に、既存の音楽を分析して学習することで機能します。AIを音楽の理解に使うことと、AIを音楽の生成に使うことの違いを理解することが重要です。音楽の理解にはパターンの分析と識別が含まれますが、音楽の生成には学習したパターンに基づいて新しい楽曲を作成することが含まれます。

図2 AIによる音楽理解とAI音楽生成の比較。

AI音楽生成プロセスは、さまざまなジャンルやスタイルの音楽を含む大規模なデータセットを収集することから始まります。次に、データセットはノート、コード、リズムといった小さな構成要素に分解され、AIが処理できる数値データに変換されます。

音楽を生成するようにトレーニングできる生成AIモデルは多数あります。例えば、Transformerや変分オートエンコーダー（VAE）のようなAIモデルが連携して音楽を生成することができます。VAEは、音楽の多様性と豊かさを捉えるために、類似した音楽の断片を密接にグループ化することで、入力音声を潜在空間に圧縮できます。その後、Transformerはこの潜在空間を使用し、パターンを理解してシーケンス内の重要な音符に注目することで、新しい音楽を生成します。

このデータでAIモデルがトレーニングされると、AIは学習した内容に基づいて次のノートやコードを予測することで新しい音楽を生成できます。これらの予測をつなぎ合わせることで、楽曲全体を作成することも可能です。生成された音楽は、特定のスタイルや好みに合わせて微調整できます。

この技術を使用した音楽ジェネレーターはますます増えています。いくつか例を挙げます。

• GoogleのMusicLM： テキストプロンプトに基づいて音楽を生成し、ユーザーがジャンル、ムード、楽器、全体の雰囲気などを指定できるようにします。
• MetaのMusicGen： テキスト記述や既存のメロディから音楽を作成し、EnCodecというツールを使用してオーディオデータを処理します。
• Stability AIのStable Audio 2.0： テキストおよびオーディオ入力から高品質なオーディオトラックと効果音を生成します。フルトラックの作成や、プロンプトに基づいたオーディオサンプルの変換が可能です。

音楽業界におけるAIの影響#

AIのイノベーションは、音楽家、リスナー、プロデューサーに新たな機会と課題を生み出しており、これまでに経験したことのない状況につながっています。各グループがこれらの進歩に適応し、新しいツールを使用し、オリジナリティや倫理に関する懸念に対処している様子を見るのは興味深いことです。音楽の生成以外にも、AIにはライブパフォーマンスの強化、音楽発見の改善、制作プロセスの補助など、音楽産業におけるその他のエキサイティングな可能性が秘められています。AIが音楽業界の音楽家、リスナー、プロデューサーにどのように影響を与えているか、詳しく見ていきましょう。

図3 生成AIが音楽業界に与える影響。

ミュージシャンへの影響#

AIは音楽家が音楽を作る方法を変えつつあります。生成AIと統合されたツールは、新しいメロディ、コード進行、歌詞の生成を支援し、音楽家がスランプを克服しやすくします。AIはまた、古いデモからのジョン・レノンのボーカルを使用して作成されたビートルズの新曲「Now And Then」のような、未完成の作品を完成させるためにも使用されてきました。しかし、確立されたアーティストのスタイルを模倣したAI生成音楽の台頭は、オリジナリティに関する懸念を引き起こしています。例えば、Bad Bunnyのようなアーティストは、AIが無断で自分たちの声やスタイルを複製することを懸念しています。

音楽の作成を超えて、AIとコンピュータビジョンは、音楽家がより良いパフォーマンスやミュージックビデオを組み立てるのを助けることができます。ミュージックビデオは多くの異なる要素で構成されており、そのうちの1つの要素がダンスです。Ultralytics YOLOv8のような姿勢推定モデルは、画像や動画内の人間の姿勢を理解し、音楽と同期した振り付けのダンスシーケンスの作成において役割を果たすことができます。

AIが振り付けに使用される良いもう一つの例は、NVIDIAの「Dance to Music」プロジェクトです。このプロジェクトでは、AIと2ステップのプロセスを使用して、多様でスタイルが一貫しており、ビートに一致する新しいダンスの動きを生成しました。まず、姿勢推定とキネマティックビートディテクターを使用して、大量のダンス動画からさまざまなビート上のダンスの動きを学習しました。次に、生成AIモデルを使用して、これらのダンスの動きを音楽のリズムとスタイルに一致する振り付けにまとめました。AIによって振り付けられたダンスの動きは、ミュージックビデオに興味深い視覚的要素を加え、アーティストがよりクリエイティブになるのを助けます。

リスナーへの影響#

リスナーにとって、AIは音楽の発見と聴取体験を向上させることができます。SpotifyやApple Musicなどのプラットフォームは、ユーザーの聴取習慣に基づいてパーソナライズされたプレイリストをキュレートし、新しい音楽を推奨するためにAIを使用しています。これらのプラットフォームで新しいアーティストやジャンルを発見したとき、それはAIの魔法です。

AIを活用したバーチャルリアリティ（VR）も、ライブコンサートの体験を向上させています。例えば、Travis ScottはVRを使用して、世界中の観客に届くバーチャルパフォーマンスを作成しています。しかし、TikTokなどのプラットフォーム上のAI生成音楽の氾濫により、音楽の発見が圧倒的になりすぎる可能性があります。これにより、新しいアーティストが目立つのが難しくなるかもしれません。

図4 AIはバーチャルリアリティ（VR）コンサートの体験を可能にします。

プロデューサーへの影響#

プロデューサーはいくつかの面でAIから恩恵を受けています。ピッチ補正、ミキシング、マスタリングを支援するAIツールは、制作プロセスを効率化します。IBMのWatson BeatのようなAI駆動の仮想楽器やシンセサイザーは、創造的な可能性を広げる新しいサウンドやテクスチャを作成できます。

ストリーミングプラットフォーム上のAIはリスナーにとっての利点だけでなく、より広い観客層を作り出すことでプロデューサーの助けにもなります。しかし、音楽家が懸念しているのと同様に、確立されたアーティストのスタイルを模倣するAIの能力は、アーティストのユニークな声やスタイルを搾取するという倫理的および法的問題を引き起こしています。これにより、Universal、Sony、Warnerなどの主要な音楽企業が、SunoやUdioなどのAIスタートアップに対し、許可なく著作物を使用してモデルをトレーニングしたとして主張する訴訟などの法的な紛争が生じています。

MusicBrainz PicardのようなAI統合ツールによる音楽ライブラリの管理#

音楽業界のさまざまな関係者への影響を理解することで、音楽におけるAIの応用について簡単に探ってきました。さて、AIのより具体的な応用例として、MusicBrainz PicardのようなAI強化型音楽管理ツールについて理解しましょう。これらのツールは、デジタル音楽ライブラリを整理・管理するのに非常に便利です。

図5 音楽ライブラリはAIを使用して管理できます。

これらのツールは、アーティスト名、アルバムタイトル、トラック番号などの正確なメタデータを使用して、音楽ファイルを自動的に識別およびタグ付けします。MusicBrainz Picardは、音楽コレクションを整理しやすくします。MusicBrainz Picardに統合された主要な技術の一つに、AcoustIDオーディオフィンガープリントがあります。これらのフィンガープリントは、メタデータが欠落しているファイルであっても、実際のオーディオコンテンツに基づいて音楽ファイルを識別します。

なぜこれが非常に重要なのでしょうか？主要な組織であるBBC、Google、Amazon、Spotify、Pandoraなどは、音楽関連サービスを強化するためにMusicBrainzのデータに依存しています。MusicBrainz Picardなどのツールによって作成されたメタデータは、音楽データベース、タグ付けアプリケーション、またはその他の音楽関連ソフトウェアを構築する開発者にとって非常に重要です。AIのバックボーンはデータであり、Picardのようなツールがなければ、分析やアプリケーション開発に必要なクリーンで正確なデータを得ることは非常に困難です。AI強化ツールがAIを使用し、AIアプリケーションに必要なデータの作成を助け、改善とイノベーションの有益なサイクルを形成していることは魅力的です。

音楽におけるAIに関する最終的なメモ#

私たちは音楽におけるAIが巻き起こしている波について議論してきました。AIによって生成された音楽を取り巻く法的環境も進化しています。U.S. Copyright Officeによるものなどの現在の規制では、完全にAIによって生成された作品は人間の著作者性を欠くため、著作権で保護することはできないと規定されています​​。しかし、人間が創作プロセスに大きく貢献した場合、その作品は著作権保護の対象となる可能性があります。AIが音楽業界に統合され続けるにつれて、これらの課題に対処するためには、継続的な法的および倫理的議論が不可欠となります。今後の展望として、AIは音楽において莫大な可能性を秘めており、テクノロジーと人間の創造性を組み合わせて、音楽制作と生産の可能性を広げます。

私たちのGitHubリポジトリを訪問し、活気あるコミュニティに参加してAIを探索してください。ソリューションページで製造業および農業におけるAIの応用について学びましょう。