ElevenLabsが新音楽モデルを発表：楽曲の途中でスタイルを切り替え可能

AI音声クローンと合成分野の大手企業であるElevenLabsが、拡大を続ける音楽生成プロダクトラインに重要な一手を投じた。同社は新世代の音楽生成モデルを発表し、最も注目すべき機能として、ユーザーが楽曲再生中に任意の部分を選択し、その部分の音楽スタイルをまったく異なるジャンルに切り替えるようAIに指示でき、しかも楽曲の他の部分には影響を与えないというものだ。

「一括生成」から「分割編集」へ

これまで、ElevenLabs自社製品を含むほとんどのAI音楽ツールは、「プロンプト入力→完全な楽曲生成」というモードを採用していた。ユーザーはプロンプトを繰り返し調整することで異なる結果を得られたが、中間部分に不満があれば、最初からやり直すしかなかった。新モデルはこの状況を根本的に変える。ElevenLabsは公式ブログで、ユーザーは今やテキストを編集するように音楽を編集できると述べた。1つの部分を選択し、AIに「ジャズに変えて」と指示すれば、それ以外の部分はそのまま保持される。この非破壊的な部分編集機能は、AI音楽創作を真の「精密操作」時代に導く。

「私たちの目標は、音楽創作を話すことのように自然にすることです。即興で口ずさむ時、いつでもスタイルや感情を変えられる——今やAIもそれができるようになりました。」——ElevenLabsの製品責任者がTechCrunchに語った。

どう実現したのか？技術的推測

ElevenLabsはモデルアーキテクチャの詳細を公開していないが、業界アナリストはこの機能が「拡散モデル」と「Transformerのアテンションメカニズム」の組み合わせに基づいている可能性が高いと推測している。具体的には、モデルは楽曲全体の音声表現を複数の「セマンティックブロック」に分解し、各ブロックが歌詞、メロディ、リズム、音色などの独立した特徴に対応している可能性がある。ユーザーが特定の部分のスタイルを変更するよう指定すると、モデルはその部分に対応する特徴ベクトルのみを調整し、同時に文脈の一貫性を維持して、スタイル切り替えに違和感が生じないようにする。

さらに、ElevenLabsが音声分野で蓄積した「ボイスクローン」技術も役立っている可能性がある。同社はこれまで、わずか30秒の音声サンプルから特定の声を精密にクローンできたが、この音声特徴に対する高度な制御能力は、当然ながら音楽生成にも転用でき、音色、テンポ、楽器構成の局所的な調整が実現できる。

音楽業界への衝撃：諸刃の剣

この新機能の登場は、音楽業界で大きな議論を呼んでいる。支持者は、音楽制作の敷居を大幅に下げると主張する：インディーズミュージシャンは専門的なミキシングスキルを持たなくても、数分のうちに複数のスタイルバリエーションを試し、インスピレーションを素早く反復できる。例えば、フォークのデモが瞬時にエレクトロニックダンスミュージック版に変わり、リミックス素材として活用できる。長尺の音声を必要としつつ頻繁に感情を切り替えるゲームや映像音楽の場面では、これはまさに革命的なツールとなる。

しかし、批評家らは、こうした「ワンクリックでスタイル変更」が音楽における「人間味」をさらに薄めていると警告する。スタイル転換まで完璧にAIで模倣できるなら、作曲家の核心的価値——感情表現と美的判断——が脅かされる。音楽評論家のMark R.は次のように述べている：「ミュージシャンとメトロノームを区別するのは、まさにその予測不可能で個人の刻印に満ちた転換です。AIがカントリーとハードコアロックを滑らかに切り替えられるとき、私たちには何が残るのでしょうか？」

編集後記：AI音楽の次の戦場——コントロール権

2024-2025年のAI音楽ツール競争を俯瞰すると、SunoからUdio、そして今回のElevenLabsまで、各社は同じ問題の解決に取り組んでいる：いかにクリエイターに対してより細かい制御権を与えるか。Sunoは「スタイルプロンプトの重み付け」機能をリリースし、Udioは生成後のピッチとリズムの調整をサポート、そしてElevenLabsの「局所的スタイル切り替え」は、現時点で最も大胆な方案であることは間違いない。これは、AI音楽の次の戦場が「生成品質」（すでに十分良いため）ではなく、「編集可能性」と「創作フローへの組み込み度」になることを示している。

注目すべきは、ElevenLabsのこの技術が著作権と倫理上の難問をもたらす可能性もあることだ。ユーザーが著作権で保護された楽曲をアップロードし、その一部のみをスタイル変更した場合、生成された新しい部分はフェアユースに該当するのか？AIモデルは学習時に他者の作品を含むデータを取り込んでいたのか？これらの問題はまだ答えが出ていないが、技術はすでに法律の先を走っている。

いずれにしても、創作の境界を突破したい音楽家にとって、ElevenLabsというこの「メス」はすでに手渡されている。それで傑作を彫り上げるのか、それとも魂を切り刻むのか、結局のところは使用者次第である。

本記事はTechCrunchより翻訳・編集