Udioは、簡単なテキストプロンプトに基づいて音楽を生成する生成的人工知能モデルであり、ボーカルと楽器の両方を生成することができる。2023年12月に設立されたスタートアップ企業Uncharted Labsによって開発されたこのサービスは、生成的AI技術を用いて、ユーザーの説明からオリジナル曲を作成する。無料ベータ版は2024年4月10日に公開され、ユーザーは月に最大600曲を無料で生成できる。このプラットフォームは、生成されたトラックの特定部分を変更できるオーディオインペインティングなどの高度な機能を備えたサブスクリプション層を提供している。
このサービスは、Google DeepMindの元研究者チームから生まれ、SunoやStable Audioなどのテキストから音楽を生成する競合他社も含む、より広範な人工知能クリエイティブツールの波の中に位置づけられている。Udioのローンチは、その現実的なボーカル合成で大きな注目を集める一方で、著作権で保護された音楽をAIモデルのトレーニングに使用することの倫理的・法的影響についての疑問も提起した。
歴史
Udioは2023年12月に、Google DeepMindの元研究者4人（CEOのDavid Ding、Conor Durkan、Charlie Nash、Yaroslav Ganin）とAndrew Sanchezによって、Uncharted Labsという名称で設立された。ベンチャーキャピタル企業のAndreessen Horowitzが資金提供を行い、音楽配信会社のUnitedMasters、ミュージシャンのwill.i.am、Tay Keith、Common、投資家のKevin Wall、Instagram共同創業者のMike Krieger、DeepMind研究者のOriol Vinyalsも支援した。同社は初期資金として850万ドルを調達し、シード資金で1,000万ドルと評価された。
数ヶ月のクローズドベータ段階を経て、Udioは2024年4月10日に公開された。Sanchezは、ミュージシャンが素晴らしい音楽を制作し、将来的にその音楽から収益を得られるようにすることが目標だと述べた。このリリースは、SunoやStable Audioなどの他のテキストから音楽を生成するツールに続くものであり、AI音楽生成における競争の時期を示すものだった。
Udioは、Willonius Hatcherによる「BBL Drizzy」というパロディ曲の作成に使用されたことでバイラルな注目を集めた。この曲はDrakeとKendrick Lamarの確執の際に広く流通し、初週でTwitterで2,300万回以上の視聴、SoundCloudで330万回以上のストリーミングを記録した。2024年8月には、オーストリアのプロデューサーButterbroがUdioで生成した「Verknallt in einen Talahon」（タラホンに恋して）が、ドイツのトップ50に達した最初のAI生成曲となった。
機能
Udioは、作成する曲の基盤をテキストプロンプトに置いており、ジャンル（バーバーショップ・カルテット、カントリー、クラシック、ヒップホップ、ドイツのポップ、ハードロックを含む）、歌詞、ストーリーの方向性、サウンドの基盤となる他のアーティストを指定できる。2024年4月時点での基盤となる生成プロセスは公開されていなかった。このプログラムはプロンプトに基づいて2曲を生成し、ユーザーはさらなるテキストプロンプトで曲をリミックスできる。曲は最初に約30秒の断片として生成され、さらに30秒単位で延長できる。有料購読者は、トラック内の特定部分を編集できるオーディオインペインティングなどの高度な機能にアクセスできる。
このサービスは深層学習モデルを活用しており、他の生成的AIシステムで使用されるものと同様のニューラルネットワークアーキテクチャを関与させている可能性が高い。現実的なボーカルを生成する能力は、洗練されたトランスフォーマーベースのモデルの使用を示唆しているが、同社は技術的アプローチを公に詳細に説明していない。ユーザーインターフェースはシンプルさを重視しており、音楽的才能がほとんどまたはまったくない人々にも利用しやすいものとなっている。
評価
批評家はUdioの出力に対して賛否両論の評価を示した。PC WorldのMark Hachmanは、UdioをAIアートジェネレーターと比較し、「かなり貧弱な歌詞」を「かなりキャッチーな」曲に変える能力を賞賛し、ボーカルを「信じられないほど現実的で、感情さえも感じさせる」と呼んだ。ZDNETのSabrina Ortizは、生成された曲を「印象的」で、プロが制作したかのように聞こえると述べ、他のテキストから音楽を生成するツールの曲よりも「豊かで深みがある」と指摘した。Tom's GuideのRyan Morrisonは、Udioには「合成ボーカルで感情を捉える不気味な能力」があり、ボーカルパフォーマンスの情熱、苦痛、精神を捉える唯一のAI音楽ジェネレーターだと書いた。
Rolling StoneのBrian Hiattは、UdioはSunoよりも「カスタマイズ性が高いが、おそらく直感的ではない」と書き、一部の初期ユーザーはUdioの出力がよりクリアに聞こえる可能性があると示唆したと付け加えた。しかし、Ars TechnicaのBenj Edwardsは、Udioの生成能力は不完全で、Sunoよりも「印象的ではない」と感じ、曲が大幅に短く、「半焼きでほとんど悪夢のよう」と呼んだ。Twitterでのベータ版発表に応えて、Telefon Tel AvivのメンバーであるJoshua Eustisは、Udioを「ミュージシャンを置き換えるアプリ」と呼び、使用されたデータに疑問を呈した。Udioはまた、オンラインで「魂のない」ものとして、またオーディオディープフェイクを作成する可能性があるとして批判されている。GizmodoのLucas Ropekは、Udioは「音響的なナンセンスに満ちており」、その曲は「非常に悪い」と述べた。
著作権に関する懸念
批評家は、Udioのトレーニングに使用されたデータが何であるか、それが著作権で保護された音楽で構成されているかどうかを疑問視した。Rolling Stoneは、UdioとSunoの両方が著作権で保護された音楽でトレーニングされたと信じる「実質的な理由がある」と書き、Ars TechnicaのBenj Edwardsは、そのトレーニングデータは「著作権で保護された素材で満たされている可能性が高い」と書いた。Udioは、プロンプトが与えられた場合に著作権で保護された曲を直接再現することはない。Dingは、Udioには「広範な自動著作権フィルター」があり、同社はその保護策を継続的に改良していると述べている。Stability AIは、明示的にライセンスされたデータセットであるAudioSparxを使用して、Stable Audio 2.0で異なるアプローチを取った。
2024年6月、全米レコード協会が主導する訴訟がUdioとSunoに対して提起され、著作権で保護された録音物の広範な侵害が主張された。この訴訟は、同社が著作権で保護された音楽でトレーニングすることを禁止し、すでに行われた侵害に対して作品ごとに最大15万ドルの損害賠償を要求した。
2025年10月、ユニバーサル・ミュージック・グループからの著作権訴訟がライセンス契約で和解した。Udioは、「許可されライセンスされた音楽」のみでトレーニングされたプラットフォームを立ち上げることに同意した。同社はその後、既存ユーザーが新しいストリーミングベースのビジネスモデルに移行する前に、作成物をダウンロードするための48時間の猶予があると発表した。