Generowanie muzyki z tekstu i audio. OpenAI wkracza w dźwiękowy ekosystem AI po sukcesie Sora i powalczy z Suno i Lyria

Zaledwie co opadł kurz po głośnej premierze modelu Sora, zdolnego do tworzenia realistycznych, krótkich filmów, a OpenAI już ma już kolejny cel. Firma, która zrewolucjonizowała świat tekstu i obrazu, po cichu rozwija potężne narzędzie, mające tworzyć całe utwory i instrumentalne akompaniamenty na podstawie prostych komend tekstowych lub audio. Czy czeka nas „Sora dla uszu”, która na nowo zdefiniuje, jak powstają ścieżki dźwiękowe do wideo, dżingle reklamowe i piosenki?

OpenAI, po sukcesie modeli tekstowych i wideo, agresywnie wchodzi w segment generowania muzyki AI, co zaostrzy rynkową walkę z pionierami takimi jak Suno i Udio oraz gigantami w stylu Google Lyria.

Model OpenAI Sora 2 z funkcją Cameo pozwala wstawić Cię do każdego filmu AI. Zobacz jak to działa w praktyce

Firma OpenAI, wyceniona niedawno na rekordowe 500 mld dolarów, nie zwalnia tempa ekspansji. Po sukcesie generatora wideo Sora, który pobrało milion użytkowników w zaledwie pięć dni, twórcy ChatGPT szykują kolejny ruch, tym razem na rynku muzycznym. Według informacji portalu The Information, OpenAI pracuje nad technologią generowania muzyki z promptów tekstowych i audio, co może bezpośrednio zagrozić startupom takim jak Suno czy Udio. Choć firma ma już doświadczenie w tej dziedzinie dzięki modelom MuseNet i Jukebox, nowy projekt ma być znacznie bardziej zaawansowany i skomercjalizowany. OpenAI współpracuje z indywidualnymi studentami prestiżowej Juilliard School w Nowym Jorku przy adnotacji partytur muzycznych, które mogą posłużyć jako dane treningowe dla przyszłego modelu. Warto jednak wyjaśnić istotną kwestię. Sama uczelnia oficjalnie zaprzeczyła instytucjonalnej współpracy z firmą, podkreślając że angażowani są jedynie wybrani studenci działający na własną rękę. Ta nieścisłość wywołała falę dezinformacji w mediach, które błędnie sugerowały oficjalne partnerstwo ze słynną szkołą muzyczną.

Nowa polityka OpenAI. ChatGPT będzie mógł generować treści erotyczne po implementacji systemu weryfikacji wieku

Nowe narzędzie ma umożliwić użytkownikom generowanie muzyki na podstawie opisów tekstowych lub próbek audio. OpenAI rzekomo testuje funkcje takie jak dodawanie akompaniamentu gitarowego do istniejących ścieżek wokalnych czy tworzenie ścieżek dźwiękowych do wideo. To znacznie wykracza poza obecne możliwości ChatGPT, który potrafi jedynie pisać teksty piosenek czy progresje akordów, ale nie tworzy kompletnych utworów muzycznych z wokalem i instrumentacją. Dla perspektywy, startup Suno, założony zaledwie trzy lata temu, generuje obecnie około 150 mln dolarów rocznych przychodów ze subskrypcji swojego generatora muzyki. To czterokrotny wzrost rok do roku, co pokazuje skalę rynkowego zapotrzebowania na takie technologie. OpenAI wyraźnie dostrzega ten potencjał. Firma pozostaje w tyle za Google, które w maju 2024 roku uruchomiło drugą generację swojego modelu Lyria, dostępnego przez Google Cloud dla klientów biznesowych, w tym agencji reklamowych.

Nowa polityka OpenAI. ChatGPT będzie mógł generować treści erotyczne po implementacji systemu weryfikacji wieku

Pozostaje kwestia praw autorskich, która już teraz wywołuje burzę. Organizacja RIAA reprezentująca największe wytwórnie muzyczne, Universal Music Group, Sony i Warner Bros., pozwała w czerwcu 2024 roku zarówno Suno jak i Udio, oskarżając je o trenowanie modeli na chronionych utworach bez zgody i wynagrodzenia. Każdy pozornie naruszony utwór może kosztować do 150 tys. dolarów odszkodowania, co potencjalnie daje kwoty rzędu miliardów. OpenAI zdaje sobie sprawę z tego zagrożenia. CEO Sam Altman już zadeklarował chęć dzielenia się przychodami z właścicielami praw autorskich, a po premierze Sora firma zablokowała możliwość tworzenia wideo z postaciami historycznymi na prośbę spadkobierców. Pozostaje pytanie o formę implementacji. Czy generowanie muzyki trafi bezpośrednio do ChatGPT lub Sora, czy może OpenAI stworzy osobną aplikację. Firma miała już dwa modele muzyczne, MuseNet z 2019 roku i Jukebox z 2020, ale żaden nie został udostępniony użytkownikom w komercyjnej wersji. Tym razem stawka jest wyższa. Z ponad 800 mln użytkowników i rosnącą presją na dywersyfikację przychodów, OpenAI nie może pozwolić sobie na pozostanie w tyle za konkurencją w szybko rozwijającej się branży generatywnej AI.

Regulatorzy w USA chcą informacji od OpenAI, Meta i Character.AI o zabezpieczeniach chatbotów dla młodych użytkowników

Sytuacja przypomina wyścig zbrojeń. Każda z wielkich firm technologicznych stara się objąć jak najwięcej aspektów twórczości cyfrowej. OpenAI buduje sobie pozycję platformy "wszystko w jednym" dla kreatorów, od tekstu przez obraz i wideo aż po muzykę. To strategia ryzykowna, bo wymaga doskonałości w każdej dziedzinie, ale potencjalnie najbardziej opłacalna. Jeśli twórca będzie mógł stworzyć kompletną produkcję wideo z muzyką nie wychodząc z ekosystemu OpenAI, wartość platformy dla użytkownika wzrośnie wielokrotnie.