Suno、レコード業界の協力で作った初のAI音楽モデルv6を公開

v6が公開、3モデル構成に

Sunoが新しいAI音楽生成モデル「v6」を公開した。同社のJack Brody氏はThe Vergeに対し、v6はゼロから学習し直したモデルで、以前のモデルが学習に使ったデータを含まない新しいデータセットを使ったと説明している。学習データにはWarner Music Group、BMG、Believeとの契約でライセンスされたコンテンツと「ユーザーデータ」が含まれるという。

v6は単一のモデルではなく、v6、v6-wild、v6-miniの3種類で構成される。v6-miniは全ユーザーが無料で使え、高速・省リソースを重視した設計とされる。v6-wildはより予測不能な出力を狙ったモデルだと説明されている。

提供は発表当日から順次始まり、同社は最終的に従来のモデルを廃止する方針を示している。

会話での部分編集と画像入力

v6には内部的な改良も含まれる。チャット上で自然言語を使い、楽曲の一部だけを編集できるようになった。ギターのフレーズや歌詞の一語を変えるために、トラック全体を再生成する必要はないとされる。

Sunoのライブラリにある複数の要素を組み合わせ、新しい作品を作る機能も備える。プロンプトはテキストの記述に限定されず、画像・動画・音声を入力にできるようになった。

ジャンル理解も大きく改善した。筆者は以前のモデルで狙いから外れた「ハイパーポップ」や「クラウトロック」のプロンプトを再利用したところ、v6はいずれもジャンルの表面的な特徴を捉えたと報告している。

「自然な不完全さ」は再現できず

一方で、v6は人間の演奏が持つ「自然な不完全さ」を再現できないままだ。筆者が音程を外した演奏や不協和な響きを求めた試行は、v5と同様にすべて失敗したという。

「モノトーンのボーカル」「ドラムなし」といった指示は無視されたと筆者は書く。どれだけ指示を重ねても、調和とリズムの完璧さから外れた出力は得られなかったとしている。

さらに、AI生成らしい不自然なアーティファクトは残り、とくにボーカルではv5より目立つと筆者は指摘する。

ライセンスと学習データの透明性

v6はレコード業界の支援を受けて作られた初のモデルと位置づけられる。学習データに正規ライセンスのコンテンツが含まれる点は、生成AIと著作権をめぐる議論の中で意味を持つと考えられる。

ただし、v6の学習データが出所の怪しいコンテンツを完全に排除しているかは不明だと原文は指摘する。ユーザーデータの範囲や契約の詳細についても示されていない。

また、v6-wildと標準のv6の違いは、筆者の限られたテストでは判別が難しかったとされる。wildの実力評価には、より多くの比較検証が必要になりそうだ。