Kan AI komponere et 3-minutters popnummer med original melodi og tekst på under 60 sekunder ?

Kunne en AI komponere en komplet pop-sang på blot 60 sekunder? Ud over ren nyskabelse kunne en sådan hastighed ændre, hvordan musik skabes og forbruges, og udfordre den tidløse balance mellem menneskelig kreativitet og produktionsarbejde.

Background

Musikindustrien belønner i stigende grad skabere, der kan producere indhold hurtigt til streamingtjenester, hvor mængde ofte går forud for dybde. Eksisterende AI-værktøjer til musikgenerering—såsom dem, der anvender diffusionsmodeller eller store sprogmodeller—bliver bedre til at producere tekster, melodier og endda akkordforløb, men de kræver stadig betydelig menneskelig finpudsning for at leve op til professionelle standarder. For eksempel fremskynder platforme som AIVA og Amper Music kompositionsprocessen, men er afhængige af brugerinput til den endelige polering. Studier fremhæver, at selvom AI kan efterligne stilarter eller strukturer, afhænger følelsesmæssig autenticitet og markedstilpasning stadig af menneskelig kuratering (f.eks. har AI-genererede numre ofte brug for justeringer af hook-styrke eller tekstmæssige nuancer). Arbejdsgangen i branchen forbliver i vid udstrækning manuel, hvor producere, sangskrivere og teknikere bruger timer—eller dage—på at finpudse et enkelt nummer.

I 2023 demonstrerede flere AI-systemer evnen til at generere korte musikalske kompositioner med originale melodier og tekster inden for sekunder, herunder modeller, der er finjusteret på pop-sang-datasæt. Evalueringer foretaget af forskere inden for musikteknologi viste, at state-of-the-art diffusions- og sekvens-til-sekvens-modeller kan producere vers-omkvæd-bro strukturer og rimende tekster på under et minut, når de bliver bedt om det. Brancheprototyper er også dukket op, der integrerer stemmesyntese, hvilket gør det muligt for AI at fremstille en færdig 3-minutters pop-sang på omkring 60 sekunder ud fra tekstprompts. Tidligere arbejde, der går tilbage til 1990'erne, anvendte regelbaserede systemer til at komponere simple melodier, men nutidens systemer er afhængige af store neurale netværk, der er trænet på copyright-ryddede sangdata. Benchmark-målinger indikerer, at moderne AI kan gengive, mikse og eksportere et 60-sekunders vokalspor med en syntetiseret hovedstemme hurtigere, end menneskelige komponister kan færdiggøre en grov demo. Selvom subjektive lytteprøver stadig foretrækker professionelle sangskrivere med hensyn til følelsesmæssig dybde, bekræfter objektive latenstidsmålinger, at AI lever op til under-et-minut-tærsklen under kontrollerede studieforhold.

— Beriget 15. maj 2026 · Kilde: IEEE Signal Processing Magazine, 2023