Словарь ИИ
Что такое генерация музыки
Коротко
Генерация музыки это создание мелодий, аранжировок и песен нейросетью по текстовому описанию, напеву или образцу стиля.
Изображения, видео, звук · AI music generation
Михаил МозгПроверено: 1 минута чтения
Ребенку
Представь оркестр плюшевых зверей: зайчик на барабане, медведь на трубе, кот за пианино. Ты говоришь им: «Сыграйте что-нибудь веселое про море», и они вместе придумывают новую мелодию. Компьютерная программа умеет примерно так же: по нескольким словам она сочиняет музыку, которую никто раньше не слышал. А настоящие музыканты учат ее и проверяют, красиво ли вышло.
Простыми словами
Нейросеть прослушала огромное количество музыки и научилась понимать, как устроены ритм, гармония, звучание инструментов и голос. Вы пишете запрос, например «спокойный джаз для кафе, фортепиано и контрабас, без слов», и модель шаг за шагом собирает звук. Одни системы сразу выдают готовую запись, другие сначала пишут ноты. Многие умеют продолжать напетую мелодию или менять стиль готовой композиции. Если дать текст песни, некоторые сервисы сгенерируют и вокал. Результат похож на студийную работу, но слушать его нужно внимательно: бывают странные переходы и невнятные слова.
Для бизнеса
Компании используют сгенерированную музыку для фона роликов, подкастов, рекламы, голосового меню и торговых залов, где раньше покупали лицензии на стоковые треки. Цена обычно складывается из подписки сервиса и тарифа, который разрешает коммерческое использование: на бесплатных планах права часто ограничены. Главные риски юридические. Условия сервисов различаются: кому принадлежит трек, можно ли его регистрировать и монетизировать, что будет при сходстве с чужой песней. Модель может случайно повторить узнаваемый мотив, а вокал, похожий на известного исполнителя, создает отдельный спор. Перед запуском юрист читает условия выбранного сервиса, а маркетинг сохраняет запросы и даты генерации на случай претензий.
Для специалиста
Генерацию музыки (music generation) решают двумя путями: символьно, когда модель порождает ноты или MIDI, и в аудио, когда она порождает звук. Современные аудиосистемы сжимают сигнал нейронным кодеком в дискретные токены и моделируют их трансформером. MusicLM (Agostinelli и др., 2023) ставит задачу как иерархическое моделирование последовательностей, выдает звук 24 кГц, связный на протяжении нескольких минут, и умеет переводить насвистанную мелодию в стиль из описания; вместе с моделью опубликован набор MusicCaps из 5,5 тысячи пар музыки и текста. MusicGen (Copet и др., 2023) обходится одним языковым трансформером за счет схем чередования токенов из нескольких потоков кодека и принимает условие текстом или мелодией. Параллельно развиваются диффузионные модели в латентном пространстве аудио. Качество оценивают метрикой FAD и прослушиванием, отдельная задача состоит в поиске сходства с обучающими треками.
Пример
Сеть кофеен заказывает фоновую музыку для залов. Маркетолог генерирует несколько часов спокойных треков в разных стилях на тарифе с коммерческой лицензией и сохраняет условия сервиса вместе с файлами.
Связанные термины
Вопросы и ответы
Можно ли использовать музыку от нейросети в рекламе?
Как нейросеть создает музыку?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений