Čeprav uradnega datuma izida ni, se v tehnološkem podzemlju in raziskovalnih krogih širi isto vprašanje: Ali se OpenAI pripravlja na novo verzijo Jukeboxa – OpenAI Jukebox 2.0? To je tisti eksperimentalni model umetne inteligence, ki je že pred leti dokazal, da zna sestaviti pesem, zapeti besedilo in celo stilno oponašati Eltona Johna, Nirvano ali kogarkoli, ki je kdaj nastopil na MTV – in to vse brez ene same človeške note. No, vsaj ne takšne, ki bi prišla iz dejanskega glasilk.
Zdaj pa nekaj namigov – v obliki akademskih objav, tiho posodobljenih GitHub strani in “nenamerno” všečkanih tvitov – nakazuje, da bi se utegnila zgoditi nova različica tega glasbenega čuda. Morda kmalu. Morda konec aprila. Morda pa šele poleti. Točno tako, kot v glasbeni industriji – izid je »TBA«, a občinstvo že čaka z vklopljenimi slušalkami.
OpenAi Jukebox: AI, ki zna več kot le ponavljati C-dur
Ko je OpenAI prvič predstavil Jukebox, so kritiki upravičeno vihali obrvi. Model, ki generira glasbo kar iz nič, vključno z vokali, zveni kot futuristični scenarij, ki bi si ga izmislil glasbeni producent s preveč časa in premalo izvajalcev. A Jukebox je deloval. Z analizo več kot milijona pesmi – vključno z besedili, žanri, izvajalci in celo letnico izida – je ustvaril novo obliko glasbene kompozicije: takšno, ki ne temelji na instrumentih, temveč na podatkih.
Model ni ustvarjal not, temveč zvok. In to neposredno v avdio formatu, v kakovosti studijskega posnetka. Poslušal si pesem, ki je ni nikoli bilo, a bi jo nekdo zlahka zamenjal za izgubljeni demo Radioheadov iz leta 1998.
Foto: Jan Macarol / OpenAi
Kako se rodi umetna pesem? Počasi, potrpežljivo in z več plastmi transformatorjev
Tehnično gledano Jukebox deluje tako, da surov zvok najprej kodira v stisnjen, simboličen jezik – približek glasbenega DNK. Nato ta kodirani zapis obdelajo trije nivoji nevronskih mrež, ki vsak na svoj način prispevajo k melodiji, ritmu, vokalom in zvočni teksturi. Zadnji korak je povratno dekodiranje – kjer umetna inteligenca dobesedno zloži nazaj zvočni val in ustvari nekaj, kar človek lahko sliši, AI pa samo »predvidi«.
Vse skupaj deluje kot nekakšen digitalni studio, kjer producent nikoli ne potrebuje premora, pevec nikoli ne zašepa, in avtorski navdih ni odvisen od vremenskih vplivov. Edina težava: generiranje pesmi v trenutni obliki traja skoraj devet ur za eno samo minuto zvoka. Kar pomeni, da je zdaj Jukebox bolj skladatelj simfonij v počasnem posnetku kot instantni hitmaker.
Kaj nakazujejo govorice o novi različici?
V zadnjih tednih je bilo opaziti povečano aktivnost med razvijalci, povezanimi z avdio oddelkom OpenAI. Na GitHubu so se pojavili “commit logi”, ki omenjajo optimizacije modela. Več raziskovalcev je v podcastih (in še bolj v neformalnih pogovorih na X/Twitterju) namignilo, da se dela na novi arhitekturi, ki naj bi omogočila hitrejše generiranje, boljšo artikulacijo vokalov, podporo več jezikom in – kar je še posebej zanimivo – boljšo razumevanje strukture pesmi.
