हा माणूस संगीताचा भविष्यकाळ आहे – की त्याची अंमलबजावणी करणारा? AI प्रचारक मिकी शुलमन म्हणतात की तो पॉप बनवत आहे, स्लॉप नाही | संगीत

‘टीतो भविष्याचा फॉरमॅट आहे,” मिकी शुलमन म्हणतात, “तुम्ही वाजवलेले संगीत आहे सहफक्त खेळू नका.” जनरेटिव्ह एआय म्युझिक कंपनी सुनोचे सीईओ आणि सह-संस्थापक या नात्याने, शुलमन सध्या संगीताच्या भविष्याचा शिल्पकार – आणि त्याचा निष्पादक म्हणून ओळखल्या जाण्याच्या कदाचित अप्रिय स्थितीत आहे.

सुनो, ज्याची स्थापना फक्त दोन वर्षांपूर्वी झाली होती, वापरकर्त्यांना फक्त काही मजकूर प्रॉम्प्टसह संपूर्ण गाणी तयार करण्याची परवानगी देते. याक्षणी, तुम्ही विशिष्ट पॉप स्टारच्या नावाने ते सूचित करू शकत नाही, परंतु “भूतकाळातील नातेसंबंध” किंवा “सार्वजनिक शत्रुत्वाचा” संदर्भ देणारे “स्टेडियम-स्तरीय कबुलीजबाब पॉप-कंट्री” मागितल्यास तुम्हाला टेलर स्विफ्ट-शैलीतील गाणे किंवा त्याच्या आसपासचे गाणे मिळू शकते.

जून 2024 मध्ये सुनो झाला खटल्यांचे लक्ष्य यूएस मधील प्रमुख लेबल्सच्या वतीने रेकॉर्ड कंपनी ट्रेड बॉडी RIAA द्वारे, तर जर्मन कलेक्शन सोसायटी GEMA ने, गीतकारांचे प्रतिनिधित्व करत, पुढील जानेवारीत स्वतःचा खटला दाखल केला. दोघांनी दावा केला की ही सेवा त्यांच्या सिस्टमला त्यांच्या कॉपीराइट्सवर अधिकृततेशिवाय किंवा परवान्याशिवाय प्रशिक्षण देत आहे.

जनरल एआय संगीत सेवांनी संगीत उद्योगात अस्तित्वाचे संकट निर्माण केले आहे. युटोपियन वाचन असे आहे की ते सर्जनशीलतेचे लोकशाहीकरण करतील. डिस्टोपियन एक म्हणजे एआय स्लॉपमुळे कला नष्ट होईल, कारण संगीत तयार करणारे मानव गरजेपेक्षा जास्त बनतात. (आणि बरेच संगीतकार आधीच प्रवाहित उत्पन्नातून उदरनिर्वाहासाठी संघर्ष करत आहेत.) युरिथमिक्सच्या डेव्ह स्टीवर्टने त्यांना “अनस्टॉपेबल फोर्स” म्हटले आहे. आणि म्हणाला संगीतकारांनी, विनम्रपणे किंवा उत्साहाने, त्यांना आलिंगन दिले पाहिजे. कॅथरीन ॲन डेव्हिस, उर्फ ​​अँकरेस, मला अलीकडे सांगितले ती “डिस्टोपियन” असल्याचे मानते. संगीत वकील ग्रेगर प्रायर यांनी असा युक्तिवाद केला आहे की ते आधीच पार्श्वसंगीताचे काम बंद करत आहे.

शुल्मन म्हणतो, “रेकॉर्ड केलेल्या संगीतासाठी पुढील फॉरमॅट बनवण्याचा प्रयत्न करत आहोत असे मला वाटते. “भविष्याचे स्वरूप परस्परसंवादी असेल.” त्याला काय म्हणायचे आहे? “ते सामाजिक असले पाहिजे, याचा अर्थ तुम्ही ते इतर लोकांसह करत आहात. आम्ही जे करत आहोत ते त्याची सर्वोत्तम डिजिटल आवृत्ती तयार करत आहे.”

त्यामुळे गुंतवणूकदार घाबरले नाहीत. नोव्हेंबरमध्ये, सुनोने $250m (£187m) निधी उभारला, त्याचे मूल्य $2.45bn (£1.83bn) वर नेले. जनरल AI ही सिलिकॉन व्हॅलीमधील सर्वात लोकप्रिय गोष्ट आहे, स्टॅनफोर्ड युनिव्हर्सिटीच्या अहवालात 2024 मध्ये खाजगी गुंतवणुकीत $34bn (£25bn) आकर्षित केले आहे. पण भीती आहे, विशेषत: बँक ऑफ इंग्लंडया तेजस्वी भरभराट फक्त एक कडू दिवाळे अनुसरण केले जाऊ शकते. आत्तासाठी, तथापि, गुंतवणूकदारांचा असा विश्वास आहे की जनरल एआय अयशस्वी होण्यासाठी खूप मोठे आहे. सुनोच्या यशाचे दावे आश्चर्यकारकपणे उच्च आहेत, विशेषत: नुकत्याच झालेल्या लीकमुळे गुंतवणूकदार सादरीकरण कंपनीचे फक्त 1 दशलक्ष पेइंग सब्सक्राइबर होते. मानक मासिक योजनेची किंमत £8.25 ($10) आहे.

शुल्मन म्हणतात, “गुंतवणूकदारांना ज्या गोष्टीची जाणीव करून देण्यासाठी मदतीची गरज आहे ती म्हणजे जगात संगीत किती महत्त्वाचे आहे. एकदा तुम्ही त्यांना दाखवले की, त्यांचे विचार बदलतात आणि त्यांना जाणवते की बरेच काही शक्य आहे.”

जेव्हा नवीन बाह्य तंत्रज्ञान संगीत उद्योगावर लादते, तेव्हा प्रतिसाद सामान्यत: अपोप्लेक्सीपासून कायदेशीर कारवाई, नंतर वाटाघाटी आणि शेवटी परवाना देण्यापर्यंत चालतो. जनरल एआय म्युझिकमधील तीन मोठी नावे या मार्गावर वेगवेगळ्या टप्प्यांवर आहेत. क्ले यांना सौदे मिळाले सर्व तीन प्रमुखांसह संगीताचे तंत्रज्ञान लाँच करण्यापूर्वी किंवा प्रशिक्षण देण्यापूर्वी, या “आधी लाँच करा, नंतर परवाना करा” जगात दुर्मिळ बनवा. यूडिओने युनिव्हर्सल म्युझिक ग्रुप (यूएमजी) आणि वॉर्नर म्युझिक ग्रुप (डब्ल्यूएमजी) यांच्याशी करार केला. तथापि, सुनोचा फक्त WMG शी करार आहे आणि इतर प्रमुख कंपन्यांकडून कायदेशीर कारवाई अद्याप थेट आहे.

शुलमन, आता 39 वर्षांचा, एक अपयशी संगीतकार होता, ज्याने सुनोला उत्प्रेरक प्रदान केले. “मी हायस्कूल आणि कॉलेजमध्ये बऱ्याच बँडमध्ये वाजलो,” तो म्हणतो, यूएसमधील त्याच्या घरातून व्हिडिओद्वारे बोलतो, त्याच्या मागे भिंतीवर टांगलेल्या बासकडे निर्देश करतो. “मी ठीक होतो, महान नव्हतो आणि मी यातून उत्तम करिअर करू शकणार नाही.” तो बोलतांना सावध आणि विचारशील असतो, कधी कधी तुम्हाला स्टार्ट-अप संस्थापकांकडून मोठ्या प्रमाणात अभिमान बाळगता येत नाही.

भौतिकशास्त्रातील पीएचडीच्या कारकीर्दीमुळे त्याला सुनोच्या इतर सह-संस्थापकांकडे नेले. त्यांना OpenAI सारख्या हेवीवेट AI कंपन्यांपेक्षा काहीतरी वेगळे बनवायचे होते, कारण ते “अत्यंत विशिष्ट समस्यांचे निराकरण करण्यासाठी तर्क आणि ऑटोमेशनशी संबंधित आहेत. संगीत असे नाही. बरोबर किंवा चुकीचे उत्तर नाही. ते सोडवणे ही समस्या नाही.”

सुनोने त्याच्या सिस्टीमला प्रशिक्षण देण्यासाठी संगीत नेमके कोठून दिले – मूलत: कॅटलॉगिंगसाठी डेटा स्ट्रँडमध्ये संगीत मोडणे – त्याचे परवाना देण्याचे सौदे सुरू होण्यापूर्वी वादविवाद अजूनही आहे. “आम्ही आमच्या मॉडेल्सना मध्यम आणि उच्च-गुणवत्तेच्या संगीतावर प्रशिक्षण देतो जे आम्हाला खुल्या इंटरनेटवर मिळू शकते,” शुल्मन यांनी लिहिले 2024 ब्लॉगपोस्ट. सुनोचा प्रारंभिक कायदेशीर बचाव असा होता की याचा वाजवी वापर होता आणि त्याने काढलेल्या संगीताला पूर्वपरवानगी आवश्यक नव्हती. रेकॉर्ड उद्योगाने वेगळा विचार केला. “वाजवी वापर,” RIAA विरुद्ध“जेव्हा आउटपुट कॉपी केलेल्या कामासाठी ‘पर्याय’ शोधत असेल तेव्हा लागू होत नाही.”

मी शुलमनला “ओपन इंटरनेट” म्हणजे काय ते विचारतो. कॉपीराइट काय आहे (रेकॉर्डिंग सामान्यत: 70 वर्षांसाठी संरक्षित आहेत) आणि सार्वजनिक डोमेनमध्ये काय आहे यात स्पष्ट फरक आहे. “कॉपीराइट ही वेगळी गोष्ट आहे,” तो म्हणतो. “मी बर्याच तपशीलांमध्ये प्रवेश करू शकत नाही कारण तेथे सक्रिय कायदेशीर सामग्री चालू आहे आणि त्यातील काही व्यापार रहस्ये देखील आहेत.”

संगीत निर्मितीचे “लोकशाही” करण्याचे सुनोचे तत्वज्ञान मुळातच कलाविरोधी असू शकते का? एकेकाळी विलक्षण मानवी सर्जनशीलतेतून जे उगवले होते ते आता सामान्य झाले आहे. शुल्मन ठामपणे सांगतात की, डिजिटल रेकॉर्डिंग किंवा सॅम्पलिंग प्रमाणे, हे तंत्रज्ञान “संगीताला पुढे ढकलते”, “नवीन लोक कसे शोधले जातात” आणि “नवीन शैली शोधतात” याचे आणखी एक उदाहरण आहे.

तथाकथित एआय स्लॉपचा मुद्दा पूर्णपणे व्यक्तिनिष्ठ आहे, तो म्हणतो. “मी काल सकाळी माझ्या चार वर्षांच्या मुलासोबत एक मजेदार गाणे बनवले. ते तुमच्यासाठी ‘स्लॉप’ आहे – तुम्हाला त्याची पर्वा नाही – पण मला ते आवडते. ते विलक्षण आहे.” दरम्यान, सुनोने व्युत्पन्न केलेले संगीत अत्यंत उच्च दर्जाचे असू शकते यावर तो ताण देण्यास उत्सुक आहे.

आणि एआय-संचालित संगीत स्ट्रीमिंग सेवांना पूर आणत आहे: डीझर म्हणतो की दररोज एक तृतीयांश संगीत AI (50,000 ट्रॅकच्या बरोबरीचे) आहे आणि डीझरवरील AI संगीताचे 70% प्रवाह फसवे आहेत (घोटाळेबाज अशा सेवांवर स्वस्तात AI ट्रॅक मिळवतात, नंतर बॉट्स वापरतात. प्रवाह हाताळा रॉयल्टी देयके मिळविण्यासाठी मोठ्या प्रमाणावर, जरी सेवा आहेत अधिक शहाणे यासाठी). कंपनी सुरू झाली आहे AI ट्रॅक टॅग करणे वापरकर्त्यांना सतर्क करण्यासाठी. बँडकॅम्प नुकतेच जाहीर केले आहे की ते “एआय द्वारे पूर्ण किंवा मोठ्या प्रमाणात व्युत्पन्न केलेले” संगीत प्लॅटफॉर्म करणार नाही.

इतरांनी अनुसरण करावे? शुल्मन फक्त एवढेच सांगेल की त्याला “इतर प्लॅटफॉर्मवर काय घडते याचे मध्यस्थ होऊ इच्छित नाही. कदाचित काही रेषा काढायची आहे, परंतु मला कुठे माहित नाही.”

Velvet Sundown, एक संपूर्ण AI “ॲक्ट”, ने त्यांचा पहिला अल्बम आणि मागील उन्हाळ्यात फॉलो-अप रिलीज केला. 70-शैलीच्या रॉक बँडने लाखो प्रवाह व्युत्पन्न केले, परंतु ही एक अल्पायुषी घटना होती. “त्यांची रणनीती नेमकी काय होती हे मला माहीत नाही,” शुलमन वेल्वेट सनडाउनबद्दल सांगतो. “हे सर्व थोडे मूर्खपणाचे होते. मला असे वाटते की त्यामुळेच पॅनमध्ये फ्लॅश होता.”

काही एआय-चालित ट्रॅकमध्ये स्थिर शक्ती असते. आरोपांनंतर क्लोन करण्यासाठी सुनोचा वापर केला जोरजा स्मिथचा आवाजहेव्हन द्वारे आय रन, यूके चार्ट्समधून वगळण्यात आले होते, परंतु केटलिन अरागॉन या मानवी गायकाने पुन्हा रेकॉर्ड केलेली आवृत्ती चार्ट-पात्र होती आणि टॉप 10 मध्ये गेली. द्वारे ब्लू सिएना गुलाबज्याला AI कृत्य असल्याचा संशय आहे, अलीकडे Spotify च्या व्हायरल 50 ग्लोबल चार्टवर टॉप 10 मध्ये स्थान मिळवले आहे. आणि Jag Vet, Du Är Inte Min हा ट्रॅक स्वीडनमधील आतापर्यंतच्या वर्षातील सर्वात मोठा आहे, जरी तो झाला आहे देशाच्या चार्टमधून बूट केले “प्रामुख्याने AI-व्युत्पन्न” असण्याबद्दल.

मागील वर्षी सुनोचा वापर ट्रॅक तयार करण्यासाठी करण्यात आला होता विरोधी बदनामी लीग ॲडॉल्फ हिटलरचा गौरव केला, वर्णद्वेषी स्लर्स तैनात केले आणि “श्वेत शक्ती” बद्दल बोलले. शुल्मन म्हणतात: “ती तीन गाणी होती ज्यात एकत्रित 10 नाटके होती. ही खूप छोटी गोष्ट होती. दुर्दैवाने, त्याकडे लक्ष वेधल्यामुळे ते आणखी वाईट झाले.” ते म्हणतात की भविष्यात अशाच गोष्टी घडू नयेत म्हणून सुनोने अधिक कठोर सुरक्षा उपाय विकसित केले आहेत.

WMG सोबतच्या करारासाठी सुनो उत्सुक आहे की जेन AI कंपन्या परस्पर फायदेशीर मार्गांनी भागीदारी करू शकतात याचा पुरावा म्हणून पाहिले जाईल. केले $1.5bn (£1.1bn) ती AI कंपनी Anthropic AI ला पायरेटेड प्रतींवर प्रशिक्षित करण्यात आले होते, या दाव्याचे निराकरण करण्यासाठी सप्टेंबरमध्ये बुक इंडस्ट्रीला पैसे दिले होते, ज्याने त्वरेने सौदे पूर्ण करण्यासाठी सुनोला स्पूक केले होते? “आम्ही त्याकडे फारसे लक्ष दिले नाही,” शूलमन म्हणतात. “एकमेकांशी लढण्यापेक्षा एकत्र करण्यासारखे बरेच काही आहे. आणि आम्ही या वॉर्नरच्या भागीदारीसह, ते अगदी जोरदारपणे दाखवण्याचा मानस ठेवतो.”

परंतु WMG कराराबद्दल प्रश्न कायम आहेत. लेबलने सेवेतील बदलांसाठी आग्रह धरला होता का? सुनोच्या प्रशिक्षणात त्याच्या संगीताचा पूर्वीचा वापर कव्हर करण्यासाठी पैसे दिले गेले होते का? WMG ला सुनोमध्ये इक्विटी मिळाली का? शुलमन प्रत्युत्तर देणार नाही, एवढेच सांगेल की अशी माहिती सामायिक करणे “थोडे लवकर” आहे, शक्यतो प्रलंबित परवाना सौद्यांमध्ये तडजोड होण्याची भीती आहे.

प्रमुखांशी करार करणे ही एक गोष्ट आहे, परंतु कलाकारांना आकर्षित करणे ही दुसरी गोष्ट आहे. जर त्यांनी सौद्यांची निवड केली तरच त्यांचे संगीत वापरले जाईल असा मेजर आग्रह करतात. परंतु जर फक्त थोड्या टक्केवारीने असे केले तर – त्यांचे नाव, प्रतिमा आणि समानतेचे अधिकार विचारात घेऊ नका – यामुळे निश्चितच परिणामांशी तडजोड होईल.

त्याच्या आउटलियर्स या पुस्तकात, माल्कम ग्लॅडवेलने “10,000-तासांचा नियम” लोकप्रिय केला आणि सुचवले की कलाकाराला कोणत्याही प्रकारचे प्रभुत्व मिळविण्यासाठी लागणारा सराव वेळ आहे. सुनोच्या आवडीनिवडी हे बदलतील का? “मला वाटते लोक करतील [still] 10,000 तास घालवावे लागतील,” शुलमन म्हणतात. “ते वेगवेगळ्या गोष्टी करत असतील आणि वेगवेगळ्या कौशल्यांचा सराव करत असतील, पण त्यांना जगातील सर्वोत्तम संगीत बनवण्यासाठी नक्कीच 10,000 तास घालवावे लागतील.”

त्याच्या मोहक आक्षेपार्ह भाग म्हणून, सुनोने यूएस निर्मात्याला साइन अप केले टिंबलँड एक धोरणात्मक सल्लागार म्हणून, परंतु निर्मात्याचा ट्रॅक घेतल्यावर त्याला जाहीर माफी मागावी लागली के ताजे परवानगीशिवाय आणि, ताजा आरोप“ते Suno च्या AI प्लॅटफॉर्मवर अपलोड केले आणि एक अनधिकृत AI रीमिक्स रिलीज केले”.

तरीही, शुल्मन म्हणतात की ज्या संगीतकारांशी तो सुनोबद्दल बोलतो ते एक महत्त्वाचे नवीन सर्जनशील साधन आणि गीतलेखन मदत म्हणून पाहतात. त्याने यापूर्वी 20VC पॉडकास्टला सांगितले होते: “मला वाटते की बहुतेक लोक संगीत बनवण्यात घालवलेल्या बहुतेक वेळेचा आनंद घेत नाहीत.” याचा अर्थ संगीतकार सर्जनशील प्रक्रियेचा तिरस्कार करतात असे नाही पूर्णतःपरंतु ते साधनांचे कौतुक करतात जे कमीतकमी काही ग्रंट कार्य काढू शकतात.

ते फक्त एक गलिच्छ रहस्य म्हणून पाहतात, तो आता सुचवतो. “जेव्हा तुम्ही लोकांशी एकमेकांना भेटता, तेव्हा ते ते स्वीकारण्यात अधिक सोयीस्कर असतात. मला असे वर्णन केले गेले की आम्ही संगीत उद्योगाचे ओझेम्पिक आहोत – प्रत्येकजण त्यावर आहे आणि कोणीही याबद्दल बोलू इच्छित नाही.”

अर्थातच भीती अशी आहे की ओझेम्पिकवर संगीत लावल्याने ते वाया जाते.