Google、テキストから楽曲を生成するAIツール「MusicFX」を公開

動画やゲームのBGMが必要なのに、楽器も作曲ソフトも扱えない人にとって、言葉だけで曲が作れるツールは理想的です。

Googleは実験用プラットフォーム「AI Test Kitchen」上で、テキストから音楽を自動生成する新ツール「MusicFX」を公開しました。

言葉で曲を作る、ただしボーカルは除外

MusicFXのベースになっているのは、Google独自の音声生成モデル「MusicLM」です。短いフレーズやイメージを入力するだけで、イメージに沿った楽曲を生成してくれます。

生成された音声には、DeepMindが開発した電子透かし技術「SynthID」が組み込まれます。人間の耳には聞こえない識別マーカーを埋め込むことで、AI生成物であることを後から検証できるようにしています。

注目すべきは厳格な制限です。特定のアーティスト名を指定したプロンプトや、ボーカル音声の生成を要求する指示は、システムによって自動的にブロックされます。

実在する歌手の声を模倣するディープフェイク騒動や、スタイル盗用による著作権トラブルを未然に防ぐ狙いがあります。

提供地域は米国、ケニア、ニュージーランド、オーストラリアの4カ国から始まります。利用データはGoogleアカウントと紐付けられず匿名で保存され、セッション終了後は最大18カ月間、モデル改善のための検証用途で保持されます。

なぜ重要か

個人開発者や動画クリエイターにとって、MusicFXは著作権フリーのBGMを手軽に自作できる実用的な手段になります。既存のストック音楽を探し回る手間を大幅に減らせます。

ただ、今すぐ本格的な楽曲制作に使えるかというと限界もあります。ボーカルが出せず、アーティスト風の指定もできないため、作れるのはあくまでインストゥルメンタルや環境音的なループにとどまります。

業界全体から見ると、Googleの慎重なスタンスが際立ちます。音楽レーベルは声の無断学習に対して極めて厳しい姿勢をとっており、下手にボーカル生成に手を出すと即座に法的紛争に発展しかねません。

私たちは、SynthIDの埋め込みとボーカル排除をセットにしたこの設計を、大手テック企業による現実的な防衛策だと考えています。法的な安全を最優先にした結果、表現の幅は狭まりましたが、企業が生成AIサービスを一般公開する際の実質的な標準形になりそうです。