Google、Lyriaをセクション単位で編集できるようにアップグレード

Googleが音楽生成を反復編集へと進化させる

Googleは音楽生成モデルの最新版であるLyria 3.5を公開し、Flow Music内に新しい編集機能を組み合わせた。今回の更新の注目点は、生の生成性能そのものよりも、生成型オーディオツールの進む方向を示していることにある。つまり、一発生成からソフトウェアのような修正ワークフローへと移行しているのだ。

Googleによれば、Lyria 3.5はより自然に聞こえるメロディー、改善された歌詞、そして発音がより明瞭で現実味のあるボーカルを生成する。同社はまた、ユーザーがテンポとトラック長をより細かく制御できるようになり、生成される楽曲は30秒から3分まで対応すると説明している。これらの改善も重要だが、より大きな意味を持つのはSelective Section Paintingと呼ばれる機能かもしれない。これは、曲全体を最初から作り直すのではなく、トラックの一部分だけを修正できる機能だ。

この変化は、多くの生成系メディアシステムが抱える持続的な弱点の1つに対処するものだ。こうしたシステムは、もっともらしい初稿を作ることは得意でも、ユーザーが非常に具体的な修正を求める場面では役に立ちにくい。サビは良いがAメロが合わない、ビートは良いがボーカルの言い回しがずれる、といった場合に、曲全体をやり直すのは非効率だ。局所的に手を入れられるシステムは、単なる新奇な生成器ではなく、創作のための制作ツールに近づいていく。

プロンプト出力から編集可能な作曲へ

Selective Section Paintingは、AI音楽インターフェースの新しい段階を示している。曲を不可分な単一の出力として扱うのではなく、領域ごとに編集できるものとして扱うという考え方だ。これは、音楽家、プロデューサー、サウンドデザイナーの実際の作業方法に近い。彼らは、1つのセクションに修正が必要だからといって完成間近の下書きを丸ごと捨てることはほとんどない。タイミングを調整し、フレーズを書き換え、編成を組み替え、機能していない部分だけを作り直す。

Googleによると、このシステムは短いメロディーを、完全な再スタートを強いずに、より充実した楽曲へと展開することもできる。実際には、ユーザーはアイデアを素描し、すでにうまくいっている部分を保ちながら選択的に拡張できることを意味する。ボーカル、ドラム、ベース、その他の要素にわたってテンポと長さをより精密に制御できるようになったことで、今回の更新は、制作者とモデルの関係をよりモジュール化する方向を示している。

このモジュール性は商業的にも重要だ。生成ツールが反復作業を支えられる場合にのみ、実際の創作ワークフローに入り込みやすくなる。完成物しか出せないモデルはデモでは印象的でも、部分修正、構造制御、要素単位の調整が可能なモデルのほうが、制作現場への道筋は明確だ。

AI音声競争で今回の更新が重要な理由

生成音楽分野はますます競争が激しくなっており、制御性が主要な差別化ポイントとして浮上している。テキストから音楽を作るシステムは、短いクリップやスタイルのスケッチを生成できることをすでに示している。より難しいのは、それを繰り返し使える創作作業に適したものにすることだ。そのためには、より良い構造、予測しやすいタイミング、そしてアイデアと修正の間の摩擦を減らす編集ツールが必要になる。

Lyria 3.5はまさにその課題に直接向けられているように見える。最大3分のトラック長によって、モデルは非常に短い断片を超える。メロディー、歌詞、ボーカルのリアリティをより良く扱うことは、生成された音楽と、リスナーが実際のプロジェクトで使う姿を想像できる素材との品質差を埋める狙いがある。しかし、部分編集のワークフローこそが、このリリースを戦略的に重要なものにしている。Googleが、新規性だけでなく制御可能性が採用を左右すると理解していることを示しているからだ。

これは生成AI全体の流れとも一致する。画像、動画、コードの各システムは、局所的な編集、構造化された洗練、そして人間が介在する反復可能なワークフローへ向かっている。音楽は、音声が時間的に複雑なためやや遅れていた。1つの区間の小さな変更が、別の場所のリズム、フレーズ、遷移に影響するからだ。Lyria 3.5が、制約付きの長さの範囲内でも部分編集を実用化できるなら、それは意味のある製品上の前進だ。

未解決の学習データ問題

今回のリリースは、生成系メディアシステムをめぐるおなじみの懸念も再燃させている。それは学習データの透明性だ。GoogleがLyria 3を発表した際、同社はYouTubeとGoogleが利用条件、パートナー契約、適用法のもとで使用を許可された素材でモデルを学習させたと述べていた。Lyria 3.5に関する報道では、新しいモデルの学習データについての質問に対し、Googleはすぐには追加の詳細を示さなかった。

この空白が重要なのは、生成音楽が今なお、ライセンス、制作者の同意、帰属をめぐる議論と絡み合っているからだ。モデルは制御性や音質で改善していても、どの素材がその能力を形作ったのか外部から明確に判断できなければ、懐疑的に見られる。アーティストや権利者にとって、ワークフローの改善だけでは、こうしたシステムがどう構築されているのかという大きな問題は解決しない。

一方で、製品リリースは前進し続けている。AIメディアには、法的、倫理的、商業的な基準がまだ固まらないまま、企業がより良いツールを急いで投入するという二重の現実がある。そのためLyria 3.5を評価するユーザーは、実用性と、それを取り巻くガバナンスの枠組みという2つを同時に見ていることになる。

生成音楽がより実用的な段階へ

こうした未解決の問題があっても、Lyria 3.5は生成音楽がデモからワークフローへ成熟しつつあることを示している。今回の更新は、単により良い出力を約束するだけではなく、その出力をどう形作るかについて、より大きな制御を約束している。これは、単なる新奇性よりも採用を後押しする強い理由だ。

Flow Musicは、その戦略の提供レイヤーとして機能している。セクションの調整、テンポの微調整、長さの管理をより精密に行える製品の中にLyria 3.5を組み込むことで、Googleはこのモデルを単独の実験ではなく、創作プロセスの一部として位置づけている。この違いは重要だ。AI音声分野の将来の勝者は、単に曲を生成できるモデルではなく、人がより少ない摩擦で修正し、指示し、完成させられるモデルになるかもしれないからだ。

現時点では、このリリースは段階的だが意味のある変化を示している。生成音楽ツールは、ボタンを押して結果を受け入れるものから、意図に合うまで下書きを導くものへと変わりつつある。この流れが続けば、AI音楽システムは、曲を作れるかどうかではなく、ユーザーがどれだけうまく形にできるかで評価されるようになるだろう。

• Lyria 3.5 では、テンポとトラック長の制御がより厳密になった。
• 生成トラックは30秒から3分まで対応する。
• Selective Section Painting により、曲の特定セクションを編集できる。
• 報道では、Lyria 3.5 の学習データに関する新しい詳細は示されなかった。

この記事は The Decoder の報道をもとにしています。元記事を読む。