Ένα νέο κεφάλαιο στην ψηφιακή έκφραση ανοίγει με την ενσωμάτωση του μοντέλου Lyria 3 στο Gemini της Google, προσφέροντας εργαλεία που μετατρέπουν απλές λέξεις και εικόνες σε ολοκληρωμένες μουσικές συνθέσεις, αλλάζοντας τον τρόπο που αντιλαμβανόμαστε τη δημιουργικότητα.
Η σχέση μας με τη μουσική ανέκαθεν καθοριζόταν από δύο διακριτούς ρόλους: του ακροατή και του καλλιτέχνη. Αυτή η διαχωριστική γραμμή φαίνεται να θολώνει ολοένα και περισσότερο καθώς η τεχνολογία διεισδύει στα άδυτα της καλλιτεχνικής παραγωγής. Την Τετάρτη, η Google ανακοίνωσε την κυκλοφορία του νέου μουσικού μοντέλου τεχνητής νοημοσύνης, Lyria 3, σε δοκιμαστική μορφή (beta) ως μέρος της εφαρμογής Gemini.
Η κίνηση αυτή σηματοδοτεί μία σημαντική στροφή στον τρόπο με τον οποίο αλληλεπιδρούμε με τον ήχο, δίνοντας πλέον τη δυνατότητα στους χρήστες να πληκτρολογούν κείμενο, καθώς και να ανεβάζουν φωτογραφίες ή βίντεο, για να δημιουργήσουν τραγούδια διάρκειας έως και 30 δευτερολέπτων σε μία ευρεία ποικιλία δημοφιλών στυλ.
Κάθε κομμάτι συνοδεύεται μάλιστα από εξώφυλλο που παράγεται επίσης μέσω AI, χάρη στην ευγενική χορηγία του μοντέλου εικόνας της Google, Nano Banana.
Σε σχετικό δελτίο τύπου που αφορά το μοντέλο, ο διακηρυγμένος στόχος του Lyria περιγράφεται με σαφήνεια και μετριοφροσύνη: «Δεν έχει σκοπό να δημιούργησε ένα μουσικό αριστούργημα, αλλά να σας προσφέρει έναν διασκεδαστικό και μοναδικό τρόπο να εκφραστείτε».
Εδώ έγκειται και η ουσία της νέας αυτής πρότασης. Δεν επιδιώκεται η αντικατάσταση της ανθρώπινης ιδιοφυΐας, αλλά η παροχή ενός μέσου έκφρασης που είναι προσβάσιμο σε όλους, ανεξαρτήτως μουσικής παιδείας. Πρόκειται για την τρίτη εκδοχή του μοντέλου Lyria, η οποία ενσωματώνει τρεις βασικές βελτιώσεις που αναβαθμίζουν αισθητά την εμπειρία σε σχέση με το παρελθόν.
Στις προηγούμενες εκδόσεις, οι χρήστες έπρεπε να παρέχουν τους δικούς τους στίχους και είχαν περιορισμένο έλεγχο σε δημιουργικά στοιχεία όπως το στυλ, τα φωνητικά και το τέμπο. Επιπλέον, τα κομμάτια που παρήγαγε το προηγούμενο σύστημα ήταν λιγότερο σύνθετα από μουσικής άποψης. Η νέα εκδοχή έρχεται να καλύψει αυτά τα κενά, προσφέροντας μεγαλύτερη ελευθερία και βάθος στη σύνθεση.
Το ζήτημα της πνευματικής ιδιοκτησίας και της μίμησης υπαρκτών καλλιτεχνών αποτελεί, φυσικά, ένα ακανθώδες θέμα στον χώρο της τεχνητής νοημοσύνης. Το δελτίο τύπου προσθέτει ότι το Lyria 3 σχεδιάστηκε «για πρωτότυπη έκφραση, χωρίς να μιμείται υπάρχοντες καλλιτέχνες» και διαθέτει «φίλτρα για τον έλεγχο των αποτελεσμάτων σε σχέση με το υπάρχον περιεχόμενο».
Ωστόσο, η εταιρεία σημειώνει με ειλικρίνεια ότι η προσέγγισή της «μπορεί να μην είναι απόλυτα ασφαλής». Σε περίπτωση που κάτι ξεφύγει από τα φίλτρα ασφαλείας, οι χρήστες έχουν τη δυνατότητα να αναφέρουν κομμάτια που ενδέχεται να παραβιάζουν δικαιώματα τρίτων, διασφαλίζοντας έτσι ένα επίπεδο ελέγχου από την κοινότητα.
Όταν τέθηκε το ερώτημα σχετικά με τη φύση των δεδομένων εκπαίδευσης του Lyria, ένας εκπρόσωπος δήλωσε στο Billboard ότι το μοντέλο σέβεται τα πνευματικά δικαιώματα και τις συμφωνίες με τους συνεργάτες. Διευκρίνισε ότι το σύστημα εκπαιδεύεται μόνο σε μουσική την οποία το YouTube και η Google έχουν «δικαίωμα χρήσης σύμφωνα με τους όρους παροχής υπηρεσιών, τις συμφωνίες συνεργασίας και την ισχύουσα νομοθεσία». Αυτή η δήλωση επιχειρεί να καθησυχάσει τις ανησυχίες της μουσικής βιομηχανίας, η οποία παρακολουθεί στενά τις εξελίξεις στον τομέα της γενετικής τεχνητής νοημοσύνης.
Το Lyria 3 είναι σαφώς αποκλεισμένο από τη δημιουργία τραγουδιών που βασίζονται σε συγκεκριμένους καλλιτέχνες, τραγούδια, βιβλία και άλλα προστατευμένα υλικά. Παρόλα αυτά, μέσα από τις δοκιμές του Billboard στο μοντέλο, έγινε φανερό ότι το Lyria εξακολουθεί να κατανοεί τα χαρακτηριστικά αυτών των απαγορευμένων λέξεων – κλειδιών και μπορεί να χρησιμοποιήσει αυτά τα χαρακτηριστικά για να δημιουργήσει τραγούδια που πλησιάζουν την ατμόσφαιρα του ζητούμενου, χωρίς να παραβιάζουν άμεσα τους κανόνες.
Ένα χαρακτηριστικό παράδειγμα αυτής της «γκρίζας ζώνης» προέκυψε μετά από μία εντολή για τη δημιουργία «ενός ερωτικού τραγουδιού σαν να είσαι ο Heathcliff από το Wuthering Heights που τραγουδάει στην Cathy στο στυλ της Kate Bush».
Η απάντηση του Lyria ήταν αποκαλυπτική: «Αν και δεν μπορώ να δημιουργήσω ένα τραγούδι που να χρησιμοποιεί άμεσα χαρακτήρες από ένα συγκεκριμένο βιβλίο ή να μιμείται ακριβώς το στυλ ενός συγκεκριμένου καλλιτέχνη, έχω δημιουργήσει ένα κομμάτι που αποτυπώνει το έντονο, συγκλονιστικό δράμα της πρότασής σου!». Το μοντέλο περιέγραψε το κομμάτι που έφτιαξε ως «dramatic ethereal art-pop…βυθισμένο στον γοτθικό ρομαντισμό… με… ατμοσφαιρικά συνθεσάιζερ».
Το αποτέλεσμα ήταν ένα τραγούδι που ανέφερε τον Heathcliff και τους «μονότοπους βάλτους», υποδηλώνοντας ένα επίπεδο κατανόησης του μουσικού ύφους της Kate Bush,
καθώς και της τοποθεσίας και του είδους του διάσημου μυθιστορήματος της Emily Brontë. Εδώ βλέπουμε την ικανότητα της τεχνητής νοημοσύνης να αντιλαμβάνεται την αισθητική και το συναίσθημα πίσω από μία περιγραφή, ακόμα και όταν της απαγορεύεται να αντιγράψει άμεσα το πρωτότυπο υλικό. Είναι μία λεπτή ισορροπία μεταξύ έμπνευσης και μίμησης, την οποία το μοντέλο φαίνεται να διαχειρίζεται με έναν ενδιαφέροντα τρόπο.
Όσον αφορά τη διανομή και την πιστοποίηση της προέλευσης του υλικού, οι χρήστες επιτρέπεται να κατεβάσουν το τραγούδι ως αρχείο MP3 ή ως βίντεο, το οποίο περιλαμβάνει τη μουσική και το εξώφυλλο μαζί.
Ωστόσο, όλα τα κομμάτια που παράγονται στην εφαρμογή Gemini φέρουν ενσωματωμένο το SynthID, ένα αόρατο ηχητικό υδατογράφημα που ταυτοποιεί το περιεχόμενο ως παραγόμενο από τεχνητή νοημοσύνη της Google. Αυτή η τεχνολογία διασφαλίζει τη διαφάνεια, επιτρέποντας στους ακροατές και τις πλατφόρμες να γνωρίζουν πότε ακούνε κάτι που δημιουργήθηκε από αλγόριθμο και πότε πρόκειται για ανθρώπινη σύνθεση.
Το Lyria 3 δεν έρχεται απλώς ως ένα ακόμα εργαλείο, αλλά ως μία δήλωση για το μέλλον της μουσικής παραγωγής. Δείχνει ότι η τεχνολογία έχει φτάσει σε ένα σημείο όπου μπορεί να κατανοήσει πολύπλοκες έννοιες όπως ο «γοτθικός ρομαντισμός» και να τις μεταφράσει σε ήχο. Ενώ παραμένει ένα εργαλείο για διασκέδαση και πειραματισμό, οι δυνατότητές του ανοίγουν νέους δρόμους για το πώς ο μέσος χρήστης μπορεί να αλληλεπιδράσει με τη μουσική, μετατρέποντας την παθητική ακρόαση σε ενεργητική συμμετοχή.
