KI-Musikerzeugung bezeichnet Systeme, die mit maschinellem Lernen Musik komponieren, arrangieren oder produzieren - von Werkzeugen, die kurze instrumentale Loops erzeugen, bis hin zu Systemen, die aus einer Textbeschreibung von Genre, Stimmung und Text ein vollständiges Lied inklusive gesungenem Gesang erstellen können.
Geschichte
Algorithmische Komposition existierte bereits Jahrzehnte vor dem Deep Learning, aber neuronale Ansätze zur Musikerzeugung gewannen mit Modellen wie Googles auf WaveNet basierender Audioarbeit und OpenAIs MuseNet und Jukebox an Dynamik, die 2019 und 2020 veröffentlicht wurden und rohes Audio im Stil verschiedener Künstler und Genres erzeugen konnten, obwohl die Ausgabequalität und Kohärenz bei längeren Stücken begrenzt blieb. Das Feld verlagerte sich mit dem Aufkommen von Suno und Udio in den Jahren 2023 und 2024 entscheidend in Richtung Mainstream-Nutzung, da diese es Nutzern ermöglichten, in weniger als einer Minute vollständige Lieder inklusive Text und Gesang aus einer kurzen Textbeschreibung zu generieren - mit einem Grad an Politur und Genre-Vielseitigkeit, der die Ausgabe für gelegentliche Hörer nur schwer von menschlich produzierter Musik unterscheidbar machte.
Technischer Ansatz
Moderne Text-zu-Musik-Systeme kombinieren typischerweise eine autoregressive Modell-Komponente, die Struktur und Text plant, mit einer Diffusionsmodell- oder autoregressiven Audioerzeugung, die die tatsächliche Wellenform oder eine Zwischen-Spektrogramm-Darstellung rendert - ähnlich wie bei Techniken, die in der Text-zu-Sprache- und Text-zu-Video-Erzeugung verwendet werden. Einige Systeme erzeugen Audio direkt Ende-zu-Ende, während andere Komposition, Arrangement und Gesangssynthese in Stufen aufteilen. Wie bei der Stimmklonierung hat die Fähigkeit, die Erzeugung auf eine Referenzstimme oder einen Referenzstil zu konditionieren, die Möglichkeit eröffnet, Lieder zu produzieren, die die Gesangsstimme eines bestimmten realen Künstlers nachahmen.
Urheberrecht und Branchenreaktion
Die Musikerzeugung war besonders umstritten, da die Trainingsdaten für diese Modelle häufig urheberrechtlich geschützte kommerzielle Aufnahmen ohne Lizenzierung enthielten. Im Jahr 2024 reichten große Plattenfirmen, darunter Universal Music Group, Sony Music und Warner Music, Klagen gegen Suno und Udio ein, in denen sie massenhafte Urheberrechtsverletzungen behaupteten - Teil der breiteren Welle von KI-Urheberrechtsklagen, mit der sich Unternehmen der generativen KI konfrontiert sehen. Einige Plattformen, darunter YouTube und Spotify, führten Offenlegungspflichten und Entfernungsmechanismen für KI-generierte Titel ein oder diskutierten diese, und Fragen darüber, ob KI-unterstützte oder KI-generierte Lieder für Urheberrechtsschutz, Streaming-Lizenzgebühren oder Chart-Berechtigung in Frage kommen, blieben in den meisten Rechtsgebieten bis Mitte der 2020er-Jahre ungelöst.
Rezeption
Musiker und Produzenten waren gespalten: Einige begrüßten generative Werkzeuge zum Ausprobieren von Ideen, für Begleittracks oder zur Überwindung kreativer Blockaden, während andere die Technologie als direkte Bedrohung für Studiomusiker, Komponisten und den Lebensunterhalt unabhängiger Künstler betrachteten - ähnlich wie die Bedenken, die bei der Text-zu-Bild-Erzeugung hinsichtlich der Verdrängung von Arbeitskräften geäußert wurden. Streaming-Plattformen meldeten außerdem einen Anstieg KI-generierter Titel, die in großem Umfang zur Lizenzgebühren-Abschöpfung hochgeladen wurden, was zu breiteren Sorgen über Inhaltsflut beitrug, die unter dem Begriff KI-Slop beschrieben wird. Bis Mitte der 2020er-Jahre hatte sich KI-generierte Musik von einer Neuheit zu einem messbaren Anteil neuer Uploads auf großen Plattformen entwickelt, auch wenn ihr rechtlicher Status weiterhin umstritten blieb.