Pode a IA compor uma canção pop de 3 minutos com melodia e letras originais em menos de 60 segundos ?

Será que uma IA consegue criar uma canção pop completa em apenas 60 segundos? Para além da mera novidade, tal velocidade poderia redefinir a forma como a música é criada e consumida, desafiando o equilíbrio secular entre a criatividade humana e o trabalho de produção.

Background

A indústria musical recompensa cada vez mais os criadores que conseguem produzir conteúdo rapidamente para plataformas de *streaming*, onde o volume muitas vezes prevalece sobre a profundidade. As ferramentas de IA existentes para geração musical — como aquelas que utilizam modelos de difusão ou modelos de linguagem de grande porte — estão a melhorar na produção de letras, melodias e até progressões de acordes, mas ainda exigem um refinamento humano significativo para atingir padrões profissionais. Por exemplo, plataformas como AIVA e Amper Music aceleram a composição, mas dependem da entrada do utilizador para o polimento final. Estudos destacam que, embora a IA consiga imitar estilos ou estruturas, a autenticidade emocional e a adequação ao mercado ainda dependem da curadoria humana (por exemplo, as faixas geradas por IA muitas vezes necessitam de ajustes para reforçar o *hook* ou a nuance lírica). O fluxo de trabalho da indústria continua a ser em grande parte manual, com produtores, compositores e engenheiros a dedicarem horas — ou dias — a refinar uma única faixa.

Em 2023, vários sistemas de IA demonstraram a capacidade de gerar composições musicais curtas com melodias e letras originais em segundos, incluindo modelos afinados em conjuntos de dados de canções pop. Avaliações de investigadores em tecnologia musical mostraram que os modelos de difusão e de sequência-a-sequência de ponta conseguem produzir estruturas de verso-refrão-ponte e letras rimadas em menos de um minuto quando explicitamente solicitados. Também surgiram protótipos industriais que integram síntese vocal, permitindo que a IA produza uma canção pop acabada de 3 minutos em cerca de 60 segundos a partir de *prompts* de texto. Trabalhos anteriores, datados dos anos 1990, utilizavam sistemas baseados em regras para compor melodias simples, mas os sistemas contemporâneos dependem de redes neuronais de grande escala treinadas em dados de canções com direitos autorais limpos. Medidas de referência indicam que a IA moderna consegue renderizar, misturar e exportar uma faixa vocal de 60 segundos com uma voz principal sintetizada mais rapidamente do que os compositores humanos conseguem concluir um *demo* grosseiro. Embora testes subjetivos de audição ainda favoreçam os compositores profissionais em termos de profundidade emocional, métricas objetivas de latência confirmam que a IA cumpre o limite de menos de um minuto em condições controladas de estúdio.

— Enriquecido a 15 de maio de 2026 · Fonte: IEEE Signal Processing Magazine, 2023