Text-to-Music (Metinden Müziğe)
Doğal dil açıklamalarından otomatik olarak melodi, ritim ve armoniyi birleştiren tam müzik parçaları üreten üretken yapay zeka teknolojisi.
Metin-müzik dönüştürme (text-to-music), doğal dil tanımlamalarından otomatik olarak müzik üretmeyi hedefleyen üretken yapay zeka alanıdır. Kullanıcı 'yağmurlu bir günün hüznünü taşıyan piyano melodisi' veya 'enerjik elektronik dans parçası' gibi metinsel ifadeler sağlar; model bu açıklamayı ses dalgasına veya MIDI notasına dönüştürür. Güçlü metin-müzik modelleri çeşitli yaklaşımlar kullanır. AudioCraft (Meta), ses kodlayıcı ve Transformer tabanlı dil modeli kombinasyonuyla ham dalga biçimi üretir. MusicLM (Google), hiyerarşik bir belirteç yapısıyla önce müzikal yapıyı, ardından akustik detayları oluşturur. Suno ve Udio gibi ticari araçlar ise vokalli, sözlü tam parçalar üretme kapasitesine ulaşmıştır. Müzik üretiminin temel zorluğu çok modlu yapısında yatar: bir parça aynı anda melodi, ritim, armoni, ses rengi ve dinamikleri barındırır. Bu öğeler birbirine sıkı sıkıya bağlıdır ve küçük bir hata zincirleme tutarsızlıklara yol açabilir. Dil modellerinde olduğu gibi ses belirteçleri (audio tokens) bu karmaşıklığı yönetmek için geliştirilmiştir. Müzik üretiminde telif hakkı sorunları ciddi bir endişe kaynağıdır. Modeller genellikle ticari müzik katalogları üzerinde eğitilmiştir; bu durum yasal gri alanlar yaratmaktadır. Bazı şirketler müzisyenlerle lisans anlaşmaları yaparak etik ve yasal zemin oluşturmaya çalışmaktadır. Melek, video oyunu müziği, podcast arka plan müziği ve reklam jingleleri gibi kullanım alanlarında üretken müzik araçları yaratıcı iş akışlarını hızlandırmakta ve müzisyenler için yeni üretim olanaklarının kapısını aralamaktadır.