Google je napokon prosvirao, sada u Geminiju možete raditi i glazbu

Integracijom modela Lyria 3 u aplikaciju Gemini, Google je ovih dana ozbiljno zakoračio u područje generativne glazbe i nametnuo se u prostoru kojim su do sada dominirale specijalizirane platforme poput Suna i Udija.

Njihov AI chatbot tako sada može trenutačno stvarati glazbu iz tekstualnog opisa ili na temelju fotografije svojih punoljetnih korisnika kako bi generirali potpuno produciranu audio snimku u svega nekoliko sekundi. Riječ je o dijelu šireg tržišta AI-generirane glazbe koje analitičari procjenjuju na oko 60 milijardi dolara. Google time ulazi u segment koji je do sada bio rezerviran za samostalne servise fokusirane isključivo na glazbenu produkciju.

S tehničke strane, Lyria 3 nudi visoku kvalitetu zvuka. Prema službenoj dokumentaciji i prvim testiranjima, model generira 16-bitne PCM stereo WAV datoteke na frekvenciji od 48 kHz. U usporedbama koje su proveli članovi audiofilskih zajednica ističe se da vokalne dionice zvuče uvjerljivije i manje ‘robotski’ u odnosu na ranije generacije AI alata. Google je pritom implementirao i SynthID, sustav nevidljivog, steganografskog vodenog žiga koji se ugrađuje izravno u zvučni val kako bi se jasno označilo da je riječ o sintetički generiranom sadržaju.

Unatoč tehničkoj razini, Lyria 3 ima jasno postavljeno ograničenje da generirane skladbe traju najviše 30 sekundi. Google otvoreno komunicira da alat nije zamišljen kao platforma za izradu ‘glazbenih remek-djela’, nego kao rješenje za brzo stvaranje dijeljivog sadržaja. U praksi to znači uredno strukturirane, ‘radio-ready’ aranžmane, ali bez dublje instrumentalne slojevitosti i produkcijske kompleksnosti kakvu nude konkurentski servisi. U pojedinim testovima navodi se i da Gemini ne slijedi uvijek precizno zadane upute, osobito kada je riječ o specifičnim žanrovskim elementima.

U usporedbi s Geminijem, Suno i Udio i dalje su usmjereni prema zahtjevnijim korisnicima i profesionalnim producentima. Suno v5 omogućuje izradu skladbi u trajanju do osam minuta te nudi izvoz do 12 zasebnih stemova. To znači da producent može izolirati pojedine instrumente ili vokale i izravno ih uvesti u klasične digitalne audio radne stanice poput Abletona. Gemini trenutačno ne nudi razdvajanje stemova, što ograničava njegovu primjenjivost u profesionalnom produkcijskom okruženju, kažu na tu temu na stranici Midnight Rebels.

Udio, koji su osnovali bivši inženjeri DeepMinda, profilirao se kao alat za zahtjevnije i kompleksnije projekte. Prema dostupnim analizama, poznat je po visokoj razini realizma, toplini zvuka i širokom dinamičkom rasponu, ali i po tome da ne slijedi uvijek precizno zadane tekstualne upute. Udio omogućuje dulje, konceptualno razrađene skladbe, uključujući napredne alate za tzv. inpainting, što ga čini prikladnijim za jazz, filmsku glazbu i projekte koji zahtijevaju organski zvuk i detaljnu produkcijsku obradu.

Ulazak Googlea u ovaj segment ima i šire posljedice za profesionalne glazbenike. Posebno je izložen sektor komercijalne sync produkcije, u kojem su autori do sada prodavali glazbu za reklame, videoigre i korporativne projekte. Ako marketinški tim može generirati 30-sekundnu podlogu izravno unutar Google Workspace okruženja, trošak angažmana skladatelja postaje upitan.

Istodobno, dio stručnjaka smatra da generativni alati neće u potpunosti zamijeniti autore, nego će postati dio hibridnog radnog procesa. U takvom modelu umjetnici mogu generirati početne ideje, harmonijske progresije ili aranžmane, potom ih dodatno obrađivati, kombinirati stemove i nadograđivati vlastitim vokalima i instrumentima. AI se tako pozicionira kao napredni sampler i alat za ubrzavanje produkcijskog procesa, a ne kao konačna zamjena za ljudsku kreativnost.

Lyria 3 predstavlja tehnološki iskorak i dodatno spušta prag ulaska u svijet glazbene produkcije. No, barem u aktualnoj fazi razvoja, platforme poput Suna i Udija zadržavaju prednost kada je riječ o duljini, fleksibilnosti i profesionalnoj kontroli nad generiranim materijalom. Time se rasprava o budućnosti glazbenika seli s pitanja hoće li ih AI zamijeniti na pitanje kako će ga integrirati u vlastiti rad.