グーグル　「テキストの説明文から忠実度の高い音楽を生成する」新しいAIモデル「MusicLM」公開

グーグルは「テキストの説明文から忠実度の高い音楽を生成する」という新しいAIモデル「MusicLM」を公開しています。

説明によると、MusicLMは「数分間一貫性を保つ24 kHzの音楽を生成」し、MusicLMは「音質とテキスト説明の順守の両方において、従来のシステムを凌駕している」という。さらに、MusicLMはテキストとメロディの両方を条件とすることができるとのこと。

以下はMusicLMで生成された音楽の説明文の一例

「アーケードゲームのメインサウンドトラック。テンポが速くアップビートで、キャッチーなエレキギターのリフが特徴。音楽は反復的で覚えやすいが、シンバルのクラッシュやドラムロールなど、意外性のある音も入っている」

「レゲトンとエレクトロニック・ダンス・ミュージックを融合させた、スペイシーで別世界のようなサウンド。宇宙に迷い込んだような体験を誘発し、驚きと畏敬の念を呼び起こすような音楽であり、かつダンサブルである」

「ライジングシンセがリバーブを多用したアルペジオを奏でている。バックはパッド、サブベースライン、ソフトドラム。この曲はシンセサイザーの音を多用し、癒しと冒険を演出している。フェスで2曲の間に流すと盛り上がるかもしれない」

「スローテンポで、ベースとドラムがリードするレゲエ曲。サステイン・エレキギター。高音で鳴り響くボンゴ。ヴォーカルはレイドバックした感じでリラックスしており、非常に表現力が豊か」

■「MusicLM」
https://google-research.github.io/seanet/musiclm/examples/