Google、音楽生成AI「Lyria」発表：公認アーティストの声で30秒楽曲を生成

AIによる楽曲生成において、これまで最大の壁となっていたのがボーカルの自然さと楽曲全体の構造的な連続性でした。声と楽器が複雑に重なり合う音楽は、単なる音声合成よりもはるかに難度が高い分野です。

Google DeepMindは、YouTubeと共同で開発した最新の音楽生成AIモデル「Lyria」を発表しました。あわせてYouTube Shorts向けの実験機能「Dream Track」と、プロの制作者向け「Music AI tools」を公開しています。

今回の取り組みには世界のトップアーティスト9名が正式に参加し、ライセンス許諾を受けた形でAIボーカルが提供されています。

プロンプトから30秒のオリジナル楽曲を生成

音楽は1秒の中にビートや音符、ボーカルハーモニーが密密に詰め込まれています。従来のモデルでは、フレーズやバースをまたいで一貫した音楽性を保つことが困難でした。

DeepMindによると、Lyriaはボーカルとインストゥルメンタルを含む高品質な楽曲の生成、スタイル変換や続きの生成において優れた制御性を備えています。

このモデルを活用したYouTube Shortsの実験「Dream Track」では、米国の限定されたクリエイター向けに機能を提供します。テキストでテーマを入力し、参加アーティストを選ぶだけで、そのアーティストの声とスタイルを再現した最大30秒のオリジナル音源が生成されます。

参加アーティストには、Charlie Puth、T-Pain、John Legend、Sia、Charli XCX、Demi Lovato、Troye Sivan、Alec Benjamin、Papooseの9名が名を連ねています。

Charlie Puthは、YouTubeがクリエイターを置き換えるのではなく創造性を加速させる責任あるアプローチをとっている点を評価し、T-Painも未来の音楽形成に向けた素晴らしい第一歩だとコメントしています。

さらにプロ向けツールでは、鼻歌をホルンのフレーズに変換したり、MIDIコードをリアルな聖歌隊のコーラスに変えたりする直感的な制作支援が検証されています。

人間の耳には聞こえない電子透かし「SynthID」

生成AI音楽の広がりにおいて不可欠となる著作権保護と判別のために、Googleは電子透かし技術「SynthID」の音声対応版を導入しました。

Lyriaが生成したすべての音声コンテンツには、人間の耳には聴き取れず試聴体験を損なわない透かしが埋め込まれます。音波を二次元の周波数スペクトラム画像に変換して情報を埋め込む独自の手法を採用しています。

この透かしは、MP3圧縮、ノイズの付加、再生速度の変更といった一般的な編集処理が施されても検出可能です。また、楽曲全体だけでなく一部のパートだけにAIが使われている場合でも検出できます。

なぜ重要か

Googleの今回の戦略は、技術そのもの以上に「音楽業界との合意形成のやり方」において非常に巧みだと評価できます。

無断クローン音源による権利侵害が社会問題化する中、Googleは大手アーティストを初期から巻き込み、公式に許諾を得た30秒のショート動画用BGMという極めて限定的で安全なユースケースからスタートさせました。これにより法的リスクを抑えつつ、クリエイターには強力な表現手段を提供しています。

制作者にとっては、鼻歌から即座に伴奏を起こすようなプロトタイピングの効率化が期待でき、制作のハードルが大きく下がる価値があります。

一方で懸念点もあります。現時点のモデルは厳重に管理された閉じた実験にとどまっており、将来的に収益分配モデルがどう構築されるのかは不透明です。業界標準を狙う動きとしては賢明ですが、一般ユーザーが自由に使えるようになるまでには、権利処理の面でまだ多くのハードルが残されているとみられます。