随着生成式AI工具以令人惊叹——在某些情况下甚至存在伦理问题——的方式开始改变音乐行业，谷歌正在加大在AI技术上的投资，以创作新的歌曲和歌词。
这家搜索引擎巨头今天发布了MusicFX，这是对MusicLM的升级版本。MusicLM是谷歌去年发布的音乐生成工具。MusicFX可以创作长达70秒的歌曲片段和音乐循环，据谷歌称，其生成的音乐“质量更高”、“速度更快”。
MusicFX可在谷歌的AI Test Kitchen中使用，这是一款让用户尝试公司实验室中实验性AI驱动系统的应用程序。从技术上讲，MusicFX于12月面向部分用户推出——但现在已全面开放。
而且我必须说，效果并不糟糕。
与其前身一样，MusicFX允许用户输入文本提示（例如“两把尼龙弦吉他以弗拉门戈风格演奏”）来描述他们希望创作的歌曲。该工具默认生成两个30秒的版本，并提供延长曲目时长（至50或70秒）或自动将开头和结尾拼接成循环的选项。
新增功能包括对提示词中替代描述词的推荐。例如，如果你输入“country style”（乡村风格），下拉菜单可能会显示“rockabilly style”（摇滚abilly风格）和“bluegrass style”（蓝草风格）等流派。对于“catchy”（朗朗上口）一词，下拉菜单可能包含“chill”（轻松）和“melodic”（旋律优美）。
在提示词字段下方，MusicFX提供了一个词云，展示用于追加的相关描述、乐器和节奏的额外建议（例如“avant garde”（前卫）、“fast”（快速）、“exciting”（激动人心）、“808 drums”（808鼓））。
那么听起来怎么样呢？嗯，在我短暂的测试中，MusicFX的样本……还行？说实话，音乐生成工具已经发展到这种地步，以至于我这个作者很难区分它们的输出结果。当前的最先进技术能够产生令人印象深刻的干净、清脆音质的曲目——但这些曲目往往趋于无聊、缺乏灵感且旋律焦点模糊。
也许是我的季节性情绪失调（SAD）在作祟，但我选择的一个提示词是“一首带有funky beats（放克节拍）、适合跳舞且令人振奋、充满夏日屋顶派对氛围的浩室音乐歌曲。”MusicFX实现了这一目标，这些曲目还不错——但我不能说它们能接近我最近听到的任何优秀DJ混音。
亲自听听看：
任何带有弦乐器的声音听起来都很糟糕，就像廉价的MIDI采样——这或许反映了MusicFX训练集的局限性。以下是使用提示“用弦乐器演奏的富有灵魂感的旋律，管弦乐风格，具有强烈的旋律核心”生成的两首曲目：
为了换个口味，这是MusicFX对“月光[sic]之夜的一首吉他弹奏的哭泣般歌曲，忧郁，慢节奏”的诠释。（请原谅这个拼写错误。）
MusicFX有一些事情不会生成——而且无法从生成的音轨中移除。为了避免侵犯版权，Google会过滤提及特定艺术家或包含人声的提示词。此外，它正在使用SynthID，其DeepMind部门开发的一种不可听的水印技术，以明确哪些音轨来自MusicFX。
我不确定Google使用的是什么样的艺术家和歌名黑名单来过滤内容，但我觉得击败它并不难。虽然MusicFX拒绝生成SZA和The Beatles风格的歌曲，但它很乐意接受引用Lake Street Dive的提示——尽管说实话，生成的曲目并没有好到让人想写信表扬的地步。
歌词生成
Google在AI Test Kitchen中发布了一款新的歌词生成工具TextFX，旨在作为MusicFX的某种伴侣。与MusicFX一样，TextFX已经向一小部分用户群体开放了一段时间——但现在它已更广泛地可用，并且在“用户体验和导航”方面进行了升级，Google表示。
正如Google在AI Test Kitchen应用中解释的那样，TextFX是与说唱歌手兼唱片制作人Lupe Fiasco合作创建的。它由PaLM 2驱动，这是谷歌的一款文本生成AI模型，并且“汲取了[Fiasco]在其整个职业生涯中开发的抒情和语言技巧的灵感。”
这位记者原本以为TextFX是一个或多或少自动化的歌词生成器。但它显然不是那样。相反，TextFX是一套旨在辅助歌词创作过程的模块套件，包括一个查找以选定字母开头的类别词汇的模块，以及一个查找两个不相关事物之间相似之处的模块。
TextFX需要一段时间才能上手。但坦白说，我可以看到它成为词曲创作者——以及一般作家的有用资源。
不过，你需要仔细审查其输出结果。Google警告称TextFX“可能显示不准确的信息，包括关于人物的信息”，而我确实成功提示它建议气候变化是“中国政府为了损害美国企业而策划的骗局”。天哪。
问题依然存在
通过MusicFX和TextFX，Google表明其在生成式AI音乐技术方面投入巨大。但我怀疑，与其解决围绕生成式AI音乐的棘手问题，Google是否会更专注于赶上潮流（与邻居攀比），而这最终是否会对其有利尚待观察。
越来越多地，使用GenAI来召唤熟悉的声音和嗓音、并能被当作真实或至少足够接近真实的自制音轨正在走红。音乐厂牌已迅速向Spotify和SoundCloud等流媒体合作伙伴标记AI生成的音轨，理由是知识产权问题。他们通常都取得了胜利。但对于“深度伪造”音乐是否侵犯艺术家、厂牌和其他权利持有者的版权，目前仍缺乏明确界定。
一位联邦法官今年八月裁定，AI生成的艺术无法获得版权保护。然而，美国版权局尚未采取立场，只是最近才开始就与AI相关的版权问题征求公众意见。此外，尚不清楚如果用户试图将模仿另一位艺术家风格生成的音乐商业化，是否会因违反版权法而承担责任。
谷歌正试图在YouTube业务板块谨慎推进生成式AI音乐工具的部署，该平台正在测试由DeepMind与Alec Benjamin、Charlie Puth、Charli XCX、Demi Lovato、John Legend、Sia和T-Pain等艺术家合作创建的AI模型。相比之下，一些科技巨头的生成式AI竞争对手如Stability AI则持不同立场，认为“合理使用”原则足以为其在未获创作者许可的情况下使用内容进行训练提供正当性。
然而，随着唱片公司就训练数据中受版权保护的歌词对生成式AI供应商提起诉讼，以及艺术家们表达不满并注册其异议，谷歌面临着艰巨的任务——但它并未让这个不便的事实拖慢步伐。