ഓപ്പൺഎഐ (OpenAI) ടെക്സ്റ്റ്, ഓഡിയോ നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ച് സംഗീതം സൃഷ്ടിക്കാൻ കഴിയുന്ന ഒരു അത്യാധുനിക ജനറേറ്റീവ് AI ടൂൾ പുറത്തിറക്കാൻ ഒരുങ്ങുന്നു എന്ന വാർത്ത, AI രംഗത്തും സംഗീത വ്യവസായത്തിലും ഒരുപോലെ ശ്രദ്ധ നേടുകയാണ്. ടെക്സ്റ്റ്-ടു-ഇമേജ്, ടെക്സ്റ്റ്-ടു-വീഡിയോ (Sora) രംഗങ്ങളിൽ ആധിപത്യം സ്ഥാപിച്ച ഓപ്പൺഎഐയുടെ ഈ പുതിയ കാൽവെപ്പ്, സംഗീത നിർമ്മാണത്തിന്റെ ഭാവി തന്നെ മാറ്റിമറിച്ചേക്കാം.
പുതിയ മോഡലിന്റെ പ്രത്യേകതകൾ
പുതിയ AI ടൂളിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ ‘ദി ഇൻഫർമേഷൻ’ എന്ന പത്രമാണ് പുറത്തുവിട്ടത്. നിലവിലെ വീഡിയോകൾക്ക് പശ്ചാത്തല സംഗീതം ചേർക്കുന്നതിനും, വോക്കൽ ട്രാക്കുകൾക്ക് അനുയോജ്യമായ വാദ്യോപകരണങ്ങളുടെ അകമ്പടി നൽകുന്നതിനും ഈ ടൂൾ ഉപയോഗപ്രദമാകും. സംഗീതത്തിന്റെ ഗുണമേന്മയിൽ വിട്ടുവീഴ്ച ചെയ്യാതെ, വേഗതയോടെ കസ്റ്റമൈസ് ചെയ്ത ട്രാക്കുകൾ സൃഷ്ടിക്കാൻ ഇത് സഹായിക്കും.
ഈ മോഡലിന്റെ പരിശീലന രീതിയാണ് ഏറ്റവും ശ്രദ്ധേയം. AI മോഡലിന് പരിശീലനം നൽകുന്നതിനായി, ലോകപ്രശസ്തമായ ജൂലിയാർഡ് സ്കൂളിലെ (Juilliard School) വിദ്യാർത്ഥികളുമായാണ് ഓപ്പൺഎഐ സഹകരിക്കുന്നത്. ഈ വിദ്യാർത്ഥികൾ സംഗീത സ്കോറുകൾ (Scores) അടയാളപ്പെടുത്തി നൽകുന്ന ഡാറ്റ, AI-ക്ക് സംഗീതത്തിന്റെ താളപരവും (Rhythm) ഹാർമണിപരവുമായ (Harmony) ഘടനകൾ കൃത്യമായി മനസ്സിലാക്കാൻ സഹായിക്കും. കേവലം ശബ്ദതരംഗങ്ങളിൽ (raw audio) നിന്ന് മാത്രം പഠിക്കുന്നതിനു പകരം, ചിട്ടപ്പെടുത്തിയ സംഗീത നിയമങ്ങൾ മനസ്സിലാക്കുന്നത് വഴി, AI സൃഷ്ടിക്കുന്ന സംഗീതത്തിന് കൂടുതൽ വൈകാരികമായ ആഴവും സ്ഥിരതയും ഉണ്ടാകുമെന്നാണ് പ്രതീക്ഷ.
പഴയ മോഡലുകൾ: ജ്യൂക്ക്ബോക്സ്, മ്യൂസ്നെറ്റ്
ജനറേറ്റീവ് സംഗീതത്തിൽ ഓപ്പൺഎഐയുടെ ആദ്യ ശ്രമമല്ല ഇത്. ചാറ്റ്ജിപിടി വരുന്നതിനും മുൻപ് തന്നെ അവർ ഈ രംഗത്ത് പരീക്ഷണങ്ങൾ നടത്തിയിട്ടുണ്ട്.
2019-ൽ പുറത്തിറക്കിയ മ്യൂസ്നെറ്റ് (MuseNet), 2020-ൽ അവതരിപ്പിച്ച ജ്യൂക്ക്ബോക്സ് (Jukebox) എന്നിവയായിരുന്നു ഓപ്പൺഎഐയുടെ ആദ്യ സംരംഭങ്ങൾ. ജ്യൂക്ക്ബോക്സ്, raw audio ആയി സംഗീതവും അടിസ്ഥാനപരമായ ആലാപനവും (rudimentary singing) സൃഷ്ടിക്കാൻ കഴിവുള്ള മോഡലായിരുന്നു. എന്നാൽ, ഈ ടൂളുകൾ പൊതുജനങ്ങൾക്ക് ഉപയോഗിക്കാൻ പ്രയാസമുള്ളതും, ശബ്ദത്തിന്റെ നിലവാരത്തിൽ പോരായ്മകൾ ഉണ്ടായിരുന്നതുമായ ഗവേഷണ പ്രോജക്റ്റുകളായിരുന്നു.
മത്സരം കടുക്കുന്നു: സുന്നോയും ഗൂഗിളും
ഇന്ന് AI സംഗീതരംഗം ഏറെ മുന്നോട്ട് പോയിരിക്കുന്നു. സുന്നോ (Suno), ഗൂഗിൾ (Google) എന്നിവരാണ് ഓപ്പൺഎഐയുടെ പ്രധാന എതിരാളികൾ.
സുന്നോ: ടെക്സ്റ്റ് പ്രോംപ്റ്റുകൾ നൽകിയാൽ വരികളും (Lyrics) റിയലിസ്റ്റിക് വോക്കലുകളും ഉൾപ്പെടെ പൂർണ്ണമായ ഗാനങ്ങൾ എളുപ്പത്തിൽ സൃഷ്ടിക്കുന്നതിൽ സുന്നോ മുന്നിട്ട് നിൽക്കുന്നു.
ഗൂഗിളിന്റെ ലൈറിയ (Lyria): ഉന്നതമായ ഓഡിയോ നിലവാരവും വലിയ ഡാറ്റാസെറ്റുകളിൽ പരിശീലനം നേടിയതിലൂടെ ലഭിക്കുന്ന പ്രൊഫഷണൽ ട്രാക്കുകളും ഗൂഗിൾ ലൈറിയയുടെ പ്രത്യേകതയാണ്. പകർപ്പവകാശം ഉറപ്പുവരുത്താനായി ഗൂഗിൾ അവരുടെ ഔട്ട്പുട്ടുകളിൽ വാട്ടർമാർക്കിംഗ് (SynthID) ടെക്നോളജി ഉപയോഗിക്കുന്നു എന്നതും ശ്രദ്ധേയമാണ്.
പുതിയ ടൂളിലൂടെ ഓപ്പൺഎഐ ലക്ഷ്യമിടുന്നത്, ഉയർന്ന സംഗീത നിലവാരവും എളുപ്പമുള്ള ഉപയോഗക്ഷമതയും സമന്വയിപ്പിച്ചുകൊണ്ട് ഈ എതിരാളികളെ മറികടക്കാനാണ്.
AI സംഗീതത്തിന്റെ ഭാവി: വെല്ലുവിളികളും സാധ്യതകളും
ഓപ്പൺഎഐയുടെ പുതിയ ടൂൾ പുറത്തിറങ്ങുന്നതോടെ AI സംഗീതത്തിന്റെ അടുത്ത തരംഗം ആരംഭിക്കുമെന്നാണ് വിദഗ്ധർ കരുതുന്നത്. ഇത് സംഗീതജ്ഞർക്ക് അവരുടെ ആശയങ്ങൾ അതിവേഗം രൂപപ്പെടുത്താനും, വീഡിയോ നിർമ്മാതാക്കൾക്ക് തത്സമയം പശ്ചാത്തല സംഗീതം സൃഷ്ടിക്കാനും അവസരം നൽകും.
എങ്കിലും, ഈ വളർച്ച നിരവധി വെല്ലുവിളികളും ഉയർത്തുന്നുണ്ട്.
പകർപ്പവകാശ പ്രശ്നങ്ങൾ (Copyright Issues): AI മോഡലുകൾക്ക് പരിശീലനം നൽകാനായി ഉപയോഗിക്കുന്ന സംഗീത ഡാറ്റയുടെ നിയമപരമായ സാധുത ഈ രംഗത്തെ ഏറ്റവും വലിയ കീറാമുട്ടിയാണ്. സുന്നോ പോലുള്ള കമ്പനികൾക്കെതിരെ റെക്കോർഡ് ലേബലുകൾ കേസ് നൽകിയിട്ടുള്ള സാഹചര്യത്തിൽ, ഓപ്പൺഎഐ ഈ നിയമപരമായ പ്രശ്നങ്ങളെ എങ്ങനെ കൈകാര്യം ചെയ്യുമെന്നത് നിർണായകമാകും. ജൂലിയാർഡ് വിദ്യാർത്ഥികളുമായുള്ള സഹകരണം ഒരു സുതാര്യമായ ഡാറ്റാ ശേഖരണ മാർഗ്ഗത്തിനുള്ള ശ്രമമായി കണക്കാക്കാം.
സർഗ്ഗാത്മകതയുടെ ഭാവി: AI സംഗീതം സാധാരണക്കാർക്ക് സംഗീത നിർമ്മാണം എളുപ്പമാക്കുമെങ്കിലും, മനുഷ്യന്റെ സർഗ്ഗാത്മകതയുടെയും വൈകാരികമായ ആവിഷ്കാരത്തിന്റെയും സ്ഥാനത്ത് AI വരുമോ എന്ന ആശങ്കയും ഉണ്ട്.
പുതിയ ടൂൾ ഒരു സ്വതന്ത്ര ആപ്ലിക്കേഷനായി വരുമോ അതോ ചാറ്റ്ജിപിടിയിലോ സോറയിലോ സംയോജിപ്പിക്കുമോ എന്ന കാര്യത്തിൽ ഓപ്പൺഎഐ ഉടൻ വ്യക്തത വരുത്തുമെന്നാണ് പ്രതീക്ഷിക്കുന്നത്.
ഓപ്പൺഎഐയുടെ പുതിയ ജനറേറ്റീവ് AI സംഗീത ടൂളിന്റെ കൃത്യമായ ലോഞ്ച് തീയതി (Release Date) ഇതുവരെ ഔദ്യോഗികമായി പ്രഖ്യാപിച്ചിട്ടില്ല.
നിലവിൽ പുറത്തുവന്നിട്ടുള്ള റിപ്പോർട്ടുകൾ സൂചിപ്പിക്കുന്നത്, ഓപ്പൺഎഐയുടെ ഈ പദ്ധതി രഹസ്യമായി വികസിപ്പിച്ചുകൊണ്ടിരിക്കുകയാണ് എന്നാണ്.
About The Author
