MVSEPが53トラックの音源分離モデルを公開

53本。この数字を聞いて、ピンとくる人はどのくらいいるだろう。

MVSEPが公開したAIモデルは、1曲の音源を53個のパートに分離できる。ボーカル、ドラム、ベース、ギター、くらいまでならイメージできる。でも53本となると、もう「音楽の解剖」という言葉が浮かんでくる。弦楽器の中でも第一バイオリンと第二バイオリンが分かれるのか、パーカッションの細かい打楽器ごとに切り出せるのか。想像が追いつかないくらいの粒度だ。

従来の音源分離技術は、せいぜい数本から十数本のトラックを抽出するのがせいいっぱいだった。ボーカルとインストを分けるだけでも十分すごいと思われていた時代がついこのあいだまであったのに、53本というのはその概念を根っこから変えてくる。

DTMをやっている人にとって、この話は「素材が増える」というだけじゃない。既存の楽曲から特定の楽器パートをサンプルとして抜き出す作業がこれまでよりずっと精度よくできるようになる、ということだ。欲しい音だけをごっそり持ってこられる。そういう精度の話だ。

サンプリングの文化は長い歴史を持つ。過去の音源から新しい文脈を切り出す行為は、ヒップホップの誕生からずっと音楽制作の核にある。ただ、そこには必ず「どこまできれいに取り出せるか」という技術的な限界が壁として立っていた。53トラック分離は、その壁をまたひとつ低くする。

もっとも、「分離できる」と「使える素材になる」はイコールではない。分離した53本のトラックが実際にどのくらいのクオリティで抽出されているのか、ノイズや滲みがどの程度残るのか、そのあたりは使ってみないとわからない部分も多い。技術の進歩に期待しつつも、自分の耳で確かめる姿勢は手放さないでいたい。

ひとつ問いを置いておきたい。音楽が53本のパーツに分解できるとしたら、そのパーツを組み替えて作ったものは何なのか。リミックスか、コラージュか、それとも新しい作品か。法的な話もあるし、創作倫理の話もある。技術が先に走って、問いが後からついてくる。そのギャップを埋める議論は、作り手の側が主体的に始めていくしかない。

53という数字は、ひとつの答えであり、ひとつの問いでもある。

このニュース、どう感じた？