सेक्शन-दर-सेक्शन संगीत संपादन के साथ Google ने Lyria को अपग्रेड किया

Google संगीत निर्माण को पुनरावृत्तीय संपादन की ओर ले जा रहा है

Google ने अपने संगीत निर्माण मॉडल का नवीनतम संस्करण Lyria 3.5 जारी किया है और इसे Flow Music के भीतर नए संपादन नियंत्रणों के साथ जोड़ा है। यह अपडेट केवल शुद्ध निर्माण के लिहाज से नहीं, बल्कि इस बात के लिए भी उल्लेखनीय है कि यह जनरेटिव ऑडियो टूल्स की दिशा क्या दिखाता है: वे एक बार में निर्माण करने की पद्धति से हटकर सॉफ्टवेयर-जैसी संशोधन प्रक्रियाओं की ओर बढ़ रहे हैं।

Google के अनुसार, Lyria 3.5 अधिक प्राकृतिक लगने वाली धुनें, बेहतर गीत, और स्पष्ट उच्चारण के साथ अधिक यथार्थवादी वोकल्स देता है। कंपनी यह भी कहती है कि अब उपयोगकर्ताओं को टेम्पो और ट्रैक की लंबाई पर अधिक सूक्ष्म नियंत्रण मिलेगा, और जेनरेट किए गए हिस्से 30 सेकंड से तीन मिनट तक हो सकते हैं। ये सुधार महत्वपूर्ण हैं, लेकिन अधिक प्रभावशाली जोड़ Selective Section Painting नामक फीचर हो सकता है, जो उपयोगकर्ताओं को पूरे ट्रैक को शुरू से दोबारा बनाए बिना केवल उसके कुछ हिस्सों में संशोधन करने देता है।

यह बदलाव जनरेटिव मीडिया प्रणालियों की एक लगातार कमजोरी को संबोधित करता है। वे अक्सर एक भरोसेमंद पहला ड्राफ्ट बना सकती हैं, लेकिन जब उपयोगकर्ता को बहुत विशिष्ट सुधार चाहिए, तब वे कम उपयोगी हो जाती हैं। अगर कोरस काम कर रहा हो लेकिन वर्स नहीं, या बीट ठीक बैठती हो लेकिन वोकल फ्रेसिंग चूक रही हो, तो पूरी रचना को फिर से शुरू करना अलाभकारी है। ऐसी प्रणाली जो उपयोगकर्ताओं को स्थानीय रूप से हस्तक्षेप करने दे, वह केवल एक नई-सी जनरेटर की तरह नहीं, बल्कि रचनात्मक प्रोडक्शन टूल की तरह दिखने लगती है।

प्रॉम्प्ट आउटपुट से संपादन योग्य रचना तक

Selective Section Painting AI संगीत इंटरफेस में एक नए चरण का संकेत देता है। गीत को एक एकल, अविभाज्य आउटपुट मानने के बजाय, मॉडल उसे ऐसी चीज़ मानता है जिसे क्षेत्र-दर-क्षेत्र संपादित किया जा सकता है। यह उस तरीके से मेल खाता है जिसमें संगीतकार, प्रोड्यूसर और साउंड डिज़ाइनर वास्तव में काम करते हैं। वे शायद ही कभी केवल एक हिस्से को बदलने के लिए पूरा ड्राफ्ट फेंक देते हैं। वे टाइमिंग ठीक करते हैं, हिस्सों को फिर से लिखते हैं, वाद्य-विन्यास को नया रूप देते हैं, और केवल उसी हिस्से का पुनर्निर्माण करते हैं जो सही काम नहीं कर रहा होता।

Google का कहना है कि यह सिस्टम छोटे मेलोडी को बिना पूरी तरह से फिर से शुरू कराए अधिक पूर्ण गीतों में बदल सकता है। व्यवहार में इसका मतलब है कि उपयोगकर्ता किसी विचार का स्केच बना सकता है, फिर जो पहले से काम कर रहा है उसे बनाए रखते हुए उसे चुनिंदा रूप से विस्तार दे सकता है। वोकल्स, ड्रम्स, बास और अन्य तत्वों पर टेम्पो और अवधि पर अधिक सटीक नियंत्रण के साथ, यह अपडेट निर्माता और मॉडल के बीच अधिक मॉड्यूलर संबंध की ओर इशारा करता है।

यह मॉड्यूलरिटी व्यावसायिक रूप से महत्वपूर्ण है। जनरेटिव टूल तब वास्तविक रचनात्मक कार्यप्रवाहों में बेहतर ढंग से फिट होते हैं जब वे पुनरावृत्ति का समर्थन कर सकें। केवल अंतिम रूप से तैयार कलाकृतियाँ देने वाला मॉडल डेमो में प्रभावित कर सकता है, लेकिन आंशिक संशोधन, संरचनात्मक नियंत्रण, और तत्व-स्तर के समायोजन की अनुमति देने वाले मॉडल का उत्पादन परिवेश में जाने का रास्ता अधिक स्पष्ट होता है।

AI ऑडियो प्रतिस्पर्धा के लिए यह अपडेट क्यों महत्वपूर्ण है

जनरेटिव संगीत क्षेत्र अधिक भीड़भाड़ वाला होता जा रहा है, और नियंत्रण एक प्रमुख विभेदक बनकर उभर रहा है। टेक्स्ट-टू-म्यूज़िक सिस्टम पहले ही दिखा चुके हैं कि वे छोटे क्लिप और शैलीगत स्केच तैयार कर सकते हैं। कठिन समस्या उन्हें दोहराए जा सकने वाले रचनात्मक काम के लिए उपयोगी बनाना है। इसका मतलब है बेहतर संरचना, अधिक अनुमानित टाइमिंग, और ऐसे संपादन उपकरण जो विचार और संशोधन के बीच की झिझक को कम करें।

Lyria 3.5 सीधे इसी समस्या को लक्ष्य करता हुआ दिखता है। तीन मिनट तक की ट्रैक लंबाई मॉडल को बहुत छोटे स्निपेट्स से आगे ले जाती है। मेलोडी, गीत और वोकल यथार्थवाद को बेहतर ढंग से संभालना उस गुणवत्ता अंतर को लक्ष्य करता है जो अक्सर जेनरेटेड संगीत और उस सामग्री के बीच होता है जिसे कोई वास्तविक प्रोजेक्ट में उपयोग योग्य मान सकता है। लेकिन आंशिक-संपादन वाला वर्कफ़्लो ही इस रिलीज़ को रणनीतिक रूप से महत्वपूर्ण बनाता है। यह संकेत देता है कि Google समझता है कि सिर्फ नवलाई नहीं, बल्कि नियंत्रण क्षमता भी अपनाए जाने को तय करेगी।

यह जनरेटिव AI की व्यापक प्रवृत्ति के अनुरूप भी है। इमेज, वीडियो, और कोड सिस्टम भी अब स्थानीय संपादन, संरचित परिशोधन, और दोहराए जा सकने वाले human-in-the-loop वर्कफ़्लो की ओर बढ़ रहे हैं। संगीत कुछ हद तक पीछे रहा है क्योंकि ऑडियो समयगत रूप से जटिल होता है: एक छोटे बदलाव का असर कहीं और लय, फ्रेसिंग, और ट्रांज़िशन पर पड़ सकता है। यदि Lyria 3.5 सीमित लंबाइयों के भीतर भी आंशिक संपादन को व्यवहार्य बनाता है, तो यह एक महत्वपूर्ण उत्पाद कदम होगा।

अभी भी अनसुलझा प्रशिक्षण-डेटा प्रश्न

यह रिलीज़ जनरेटिव मीडिया प्रणालियों को लेकर एक परिचित चिंता को फिर सामने लाती है: प्रशिक्षण डेटा की पारदर्शिता। जब Google ने Lyria 3 लॉन्च किया था, तब कंपनी ने कहा था कि मॉडल को ऐसे सामग्री पर प्रशिक्षित किया गया था जिसे YouTube और Google उनके नियमों, साझेदारी समझौतों, और लागू कानून के तहत उपयोग करने के लिए अधिकृत थे। Lyria 3.5 पर रिपोर्टिंग में, नए मॉडल के प्रशिक्षण डेटा के बारे में सवालों के जवाब में Google ने तुरंत अतिरिक्त विवरण नहीं दिया।

यह अंतर महत्वपूर्ण है क्योंकि जनरेटिव संगीत अब भी लाइसेंसिंग, निर्माता सहमति, और श्रेय संबंधी बहसों से जुड़ा हुआ है। एक मॉडल नियंत्रण और ऑडियो गुणवत्ता में बेहतर हो सकता है, फिर भी अगर बाहरी पर्यवेक्षक यह स्पष्ट रूप से नहीं समझ पाते कि उसकी क्षमताओं को किस सामग्री ने आकार दिया, तो संदेह बना रहता है। कलाकारों और अधिकार-धारकों के लिए, वर्कफ़्लो सुधार इस बड़े सवाल का समाधान नहीं करते कि ये प्रणालियाँ कैसे बनाई गई हैं।

साथ ही, उत्पाद रिलीज़ आगे बढ़ती रहती हैं। इससे AI मीडिया में एक दोहरी वास्तविकता बनती है: कंपनियाँ बेहतर टूल जारी करने की दौड़ में हैं, जबकि कानूनी, नैतिक और व्यावसायिक मानक अब भी तय नहीं हुए हैं। इसलिए Lyria 3.5 का मूल्यांकन करने वाले उपयोगकर्ता एक साथ दो चीज़ों का आकलन कर रहे हैं। एक है सॉफ्टवेयर की व्यावहारिक उपयोगिता। दूसरी है उसके आसपास का शासन-ढांचा।

जनरेटिव संगीत का अधिक व्यावहारिक चरण

इन खुले सवालों के बावजूद, Lyria 3.5 यह संकेत देता है कि जनरेटिव संगीत प्रदर्शन से वर्कफ़्लो की ओर परिपक्व हो रहा है। यह अपडेट सिर्फ बेहतर आउटपुट का वादा नहीं करता; यह इस बात पर अधिक नियंत्रण का वादा करता है कि वे आउटपुट कैसे आकार लेते हैं। यह केवल नवलाई की तुलना में अपनाए जाने के लिए अधिक मजबूत तर्क है।

Flow Music अब उस रणनीति के डिलीवरी लेयर के रूप में काम कर रहा है। Lyria 3.5 को ऐसे उत्पाद में एम्बेड करके, जहां उपयोगकर्ता सेक्शन समायोजित कर सकें, टेम्पो ट्यून कर सकें, और अवधि को अधिक सटीकता से प्रबंधित कर सकें, Google मॉडल को एक अलग प्रयोग के बजाय एक रचनात्मक प्रक्रिया के हिस्से के रूप में स्थापित कर रहा है। यह अंतर महत्वपूर्ण है क्योंकि AI ऑडियो में भविष्य के विजेता वे मॉडल नहीं हो सकते जो सिर्फ गाने बना लें, बल्कि वे भी हो सकते हैं जो लोगों को कम रुकावट के साथ उन्हें संशोधित, निर्देशित और पूरा करने दें।

फिलहाल, यह रिलीज़ एक क्रमिक लेकिन महत्वपूर्ण बदलाव को चिह्नित करती है। जनरेटिव संगीत टूल अब केवल एक बटन दबाने और परिणाम स्वीकार करने के बारे में नहीं हैं, बल्कि ड्राफ्ट को तब तक दिशा देने के बारे में हैं जब तक वह इरादे से मेल न खाए। अगर यह दिशा बनी रहती है, तो AI संगीत प्रणालियों का मूल्यांकन इस आधार पर कम और इस आधार पर अधिक होगा कि वे उपयोगकर्ता को किसी ट्रैक को कितनी अच्छी तरह आकार देने देती हैं।

• Lyria 3.5 टेम्पो और ट्रैक लंबाई पर अधिक कड़ा नियंत्रण जोड़ती है।
• जेनरेट किए गए ट्रैक 30 सेकंड से तीन मिनट तक हो सकते हैं।
• Selective Section Painting गीत के विशिष्ट हिस्सों में संपादन की अनुमति देता है।
• रिपोर्ट में Google ने Lyria 3.5 के प्रशिक्षण डेटा पर नई जानकारी नहीं दी।

यह लेख The Decoder की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.