Stability AIが6分間の楽曲生成が可能な新オーディオモデルを発表

6分間、まるごと生成される。それがどういうことか、少し考えてほしい。

Stability AIが新しいオーディオモデルを発表した。最大6分間の楽曲を生成できるというのが今回の目玉で、さらに軽量モデルはデバイス上での動作にも対応している。つまり、クラウドに頼らずローカル環境で楽曲を完結させる道が、また一歩広がったということだ。

AIで音楽を作っている人間にとって、「尺」は地味に大きな問題だった。サビまで行かずに曲が終わる、展開が出てくる前にフェードする、そういうもどかしさを抱えてきたクリエイターは少なくないはずだ。6分という数字は、イントロ・Aメロ・Bメロ・サビ・間奏・アウトロをひとまとめに収められるくらいのスペースを意味する。楽曲としての「形」を最初から持てるようになる、それだけで作業の感触はかなり変わる。

ローカル動作の話もスルーできない。デバイス上で動く軽量モデルが存在するというのは、インターネット接続や外部APIへの依存を減らせることを意味する。制作環境をどこに置くか、誰のサーバーを経由するか、という選択肢が増えるのはクリエイターにとってシンプルに自由度が上がる話だ。

ただ、うちとしては少し立ち止まって考えたいところもある。6分生成できることと、6分間ちゃんと「聴かせられる楽曲」になっていることは、当然ながら別の話だ。尺が伸びれば伸びるほど、構成の弱さや繰り返しのパターンが露わになりやすい。長くなったぶん、どこがフックで、どこが山場で、なぜそこに転換があるのかという「必然性」の問いはより鋭くなる。生成AIが6分を埋められるのか、6分を「デザイン」できるのかは、まだ聴いてみないとわからない。

とはいえ、ツールの進化は止まらない。ローカルで動き、6分間の尺を扱えるモデルが手元にある世界は、1年前には想像しにくかった。作る人間の側に何を問い返してくるか、それが今回のアップデートの本当の読みどころかもしれない。あなたは6分間で、何をやるつもりだろうか。

本記事は元ニュースを基に AI MUSIC JUDGE 編集部が作成した読み物です。審査員のコメントはキャラクターによる創作・論評であり、出典元の見解ではありません。事実は出典をご確認ください。