MetaがGoogleに引けを取らないように、Metaは独自のAI音楽生成アプリ「MusicGen」を公開し、Googleとは異なり、オープンソース化しています。
MusicGenは、例えば「バックグラウンドに合う80年代のドライブ系のポップソングで、バックには重いドラムとシンセサイザーのパッドが入る」といったテキスト情報を「参照音源」に供給することで、音楽を生成することができます。MusicGenについてのデモはこちらで見ることができます。https://huggingface.co/spaces/facebook/MusicGen。およそ12秒の音楽を生成し、参照音源の元になる既存の楽曲からメロディーや調べをうまく取り込み再現性があります。
Metaによると、MusicGenは、ShutterStockやPond5といった大規模な媒体ライブラリから390,000点の音楽楽器トラックと10,000点の「高品質な」ライセンス音楽トラックを含め、200,000時間以上の音楽にトレーニングされました。MusicGenのモデルのトレーニングに使われたコードは提供されていませんが、誰でも適切なハードウェア（主に16GB程度のメモリを搭載したGPU）を持っていれば、プレトレーニングモデルを実行できます。
MusicGenはどのように演奏するのでしょうか？一般的なテキストのプロンプトである「アンビエント・チップチューンズ・ミュージック」などに対して、曲はかなりメロディアスで、GoogleのAI音楽生成アプリ、MusicLMと比較して、私の耳には同等以上（もしくは僅かに良い）に感じました。ただし、受賞するということはないでしょう。
以下は、「ジャジーなエレベーター音楽」を指定してMusicGenからの出力です。
以下は、MusicLMからの出力です。
その後、私は「オーガニックサンプルを用いたLo-fiスローBPMエレクトロチル」など、より複雑なプロンプトをMusicGenで行い、余計なことを言う必要はありませんが、MusicGenは音楽的立体感のあるサンプルを生成し、Lofi Girlなどで簡単に市場に出回るでしょう。
これに対し、Googleが音楽生成ツールに関する著作権問題を回避するために、公開版MusicLMにフィルターを実装して特定のアーティストをブロックしていることに触れたいと思います。
MusicGenにはこのようなフィルターがありません。しかし、「Gershwinスタイルのピアノの小品」を生成するために、どちらのツールを使用しても著作権問題が発生しないよう気を付ける必要があります。
MusicGenによる出力がこちらです。
音楽生成は着実に進化しています（「Riffusion」、「Dance Diffusion」、「Jukebox」
元記事はこちら
