Konsequenzen von Suno AI in 2025

Der KI werden tausende E-Gitarrenspuren zur Analyse gegeben und ihr gesagt "so klingt eine E-Gitarre". Dann werden ihr tausende Rock-Songs gezeigt und ihr gesagt "so klingt eine E-Gitarre in Rock-Songs". Dann das gleiche für Metal- und Jazzfusion- und sonstwas-Songs. Je mehr ihr auf diese Art gezeigt wird, umso mehr erhält sie ein Bild, wie Instrumente und Attribute klingen. Die abstrakten Konzepte (ganz andere Art von Daten als Samples) speichert sie in sowas wie neuronalen Netzwerken. Bei der Ausgabe arbeitet sie dann nur mit den Konzepten, ganz abgekoppelt von Rohdaten.

Du drückst dich um eine Antwort. Auch die KI muss Sounds generieren. Wie macht sie das?
 
Es wird von Tag zu Tag schlimmer - wie kann man da bitte optimistisch sein?

Schlimmer würde ich nicht sagen, dafür wurde schon viel gemacht, Ozonloch, saurer Regen usw, gibt es so kaum bis gar nicht mehr als Positivbeispiel. Verbleites Benzin, heute unvorstellbar.

Natürlich kann man die CO2 Verursachung nicht mal so eben abstellen, Plastik wird immer mehr und generell werden es halt immer noch mehr Menschen, wobei sich das ja schon absehbar ändert.

Natürlich wird (noch zu) wenig gemacht aber das es von Tag zu Tag schlimmer wird sehe ich nicht, im Gegenteil, das Bewusstsein wird immer größer.

Und um zur KI zurück zu kommen, die kann zB sehr gut helfen die ganzen Datenberge zu analysieren und dann weiß man zB besser über das Wetter bescheid.
 
die ist weder böse noch gut, so wie wir Menschen auch,

Siehste, da sind wir schon beim Problem. Ich halte "böse" zwar für ein nicht wirklich passendes Wort, bin aber der Meinung, dass der Mensch eine Fehlentwicklung und inherent schlecht für den Fortbestand seiner Gattung und des Planeten ist.
 
Du drückst dich um eine Antwort. Auch die KI muss Sounds generieren. Wie macht sie das?

Ähnlich wie bei Bildern denke ich, es wird ein Rauschen generiert und auf der Grundlage baut sich das immer weiter auf. Kann man bei Bildern recht gut nachvollziehen, wenn man den Vorgang früh abbricht.
 
Und um zur KI zurück zu kommen, die kann zB sehr gut helfen die ganzen Datenberge zu analysieren und dann weiß man zB besser über das Wetter bescheid.
zB

oder sie optimiert ganze Prozesse der Rohstoffgewinnung über Produkt-Fertigung bis hin zum Transport/Handel und spart dabei Ressourcen

oder sie zeigt auf wie man Recycling effektiver praktizieren kann als bislang
.....
 
Ich glaube, da siehst du zu viel die hiesige Wohlfühlzone. Weltweit wird gerade absolut gar nichts besser.

Nee, da glaube ich an die Menschheit. Wenn nicht, dürfte ich ja nur noch heulend in meinem Kämmerchen sitzen und auf das Ende warten.
 
oder sie zeigt auf wie man Recycling effektiver praktizieren kann als bislang

Grade da ist das richtig gut machbar, weil die KI Kamerabilder von Förderbändern auswertet und dann die verschiedenen Marterialen sortiert.
 
Siehste, da sind wir schon beim Problem. Ich halte "böse" zwar für ein nicht wirklich passendes Wort, bin aber der Meinung, dass der Mensch eine Fehlentwicklung und inherent schlecht für den Fortbestand seiner Gattung und des Planeten ist.
das ist unser beider Problem :)
ich sehe uns auf Augenhöhe mit jedem Lebewesen, wir sind weder böse/gut wie alles andere es ebenfalls nicht ist, davon bin ich überzeugt
das schlimmste was passieren kann ist, das wir uns als Spezies und ne Menge anderer Arten ausrotten, das sitzt Mutter Erde dann auf der linken Backe ab
 
Nee, da glaube ich an die Menschheit.

Dafür fehlt mir jeder Anlass.

Wenn nicht, dürfte ich ja nur noch heulend in meinem Kämmerchen sitzen und auf das Ende warten.

Das ist ja Quatsch. Ich glaube auch nicht, dass die Dinge, die ich persönlich ändere, etwas ausmachen, dennoch lebe ich so. Denn wenn es überhaupt eine Chance gibt (und sei sie noch so klein), muss man vor der eigenen Haustüre als erstes kehren.

das schlimmste was passieren kann ist, das wir uns als Spezies und ne Menge anderer Arten ausrotten, das sitzt Mutter Erde dann auf der linken Backe ab

Dass Mutter Erde das nicht schert und die selbst bis zum Erlöschen der Sonne noch etliche Reset-Versuche hat, ist schon klar.
 
oder sie zeigt auf wie man Recycling effektiver praktizieren kann als bislang
Aber nur wenn man sie entsprechend einsetzt. Recycling bringt aber gerade noch recht wenig Profit. Das müsste sich ändern.
Mühe und Mittel aufwenden für Dinge, die nicht unmittelbare Gewinne versprechen.

Normalerweise nutzt man Techniken um etwas effektiver zu machen. Danach gibt man sich aber nicht zufrieden, sondern macht einfach mehr davon.

Ein Windrad ist super, 70 Millionen über Deutschland wären eine Katastrophe ... nur so als Beispiel.
 
Auch die KI muss Sounds generieren. Wie macht sie das?
Man stößt beim Thema generative KI auf GANs und VAEs. Dazu findet man als einfache Erklärung:

Generative Adversarial Networks (GAN)
Ein GAN besteht aus einem Generator und einem Diskriminator. Der Generator versucht, Werke zu produzieren, die so echt wie möglich wirken. Der Diskriminator versucht, echte Werke von den "gefälschten" zu unterscheiden und gibt dem Generator Feedback. Im Verlauf kann der Generator Werke erzeugen, die immer weniger von Originalen unterschieden werden können.

Variational Autoencoder (VAE)
Der VAE besteht aus einem Encoder und einem Decoder. Der Encoder analysiert ein Bild und erstellt eine Art abstraktes Muster oder "Code", der das Bild repräsentiert, aber nicht identisch ist. Der Decoder nimmt diesen abstrakten Code und versucht, daraus ein neues Bild zu erstellen, das dem Originalbild ähnlich ist.

Man sieht also, dass bei solcherlei Generierung keine Originaldaten in die Ergebnisse einfließen.
Wenn man es genauer wissen will, findet man z.B. auf Youtube stundenlange Videos mit der Mathematik dahinter, die wohl keiner von uns demnächst durchdringen wird.

PS: Für "Werk" und "Bild" kann man hier auch einsetzen "Stil" oder "Attribut". Die Reproduktion eines bestimmten einzelnen Werks/Bilds (ohne dass der Generator die Originaldaten kennt) ist nur der einfachste Fall.
 
Zuletzt bearbeitet:
Ähnlich wie bei Bildern denke ich, es wird ein Rauschen generiert und auf der Grundlage baut sich das immer weiter auf. Kann man bei Bildern recht gut nachvollziehen, wenn man den Vorgang früh abbricht.
Hatte ich auch schon verlinkt.
Deshalb sind diese Diskussionen wirklich ziemlich sinnbefreit, wenn immer wieder danach gefragt wird.
Wenn man wissen möchte, wie etwas funktioniert muss man halt recherchieren.
Die Datenbanken einiger KI Audio Dienste basieren ja wohl auf Productionmusiclibrarys wie Pond5, deshalb klingen die Instrumentals auch so wie sie klingen. Einer der Gründer von Suno hat ja in einem Interview gesagt, dass ein Teil aus Diffusion besteht. Also das Denoising was man auch von Bilderdiensten wie Midjourney kennt.
Ist jetzt nicht auf Dich gemünzt.
 
Darum geht es gar nicht.
Es geht darum, wie die KI die Gitarrensounds generiert.
Genauso wie jeden anderen Sound - über ein statistisches Modell, das aus vielen Trainingsdaten zustandekam.
Selbst wenn man das hier reinkopieren könnte, würde dich das nicht weiterbringen.
 
Genauso wie jeden anderen Sound - über ein statistisches Modell, das aus vielen Trainingsdaten zustandekam.

So.
Also, mir ist durchaus zumindest grob bekannt, wie das funktioniert. Auch den von @Realist verlinkten Artikel habe ich schon einmal gelesen.

Das absolut relevante sind hier (egal, welchen Ansatz man verfolgt), die Trainingsdaten. Massivste Mengen an Trainingsdaten. Für Gitarren in verschiedenen Zerrgraden, mal mit Feedback, mal nicht, etc., könnten da u.U. mehr Trainingsdaten als für eine typische menschliche Gesangsstimme anfallen.
Dasselbe gilt natürlich auch für andere Instrumente, aber ich bin nunmal Gitarrist und von daher an allem, was mich da ersetzen könnte, interessiert).

Es gibt aber, anders als bei Gesang, überhaupt keine Vorläufermodelle. Bzw. keine, die nennenswert gut funktionieren würden. Die virtuellen Gitarrengeschichten, die es so gibt, sind ausschließlich library-basiert, womöglich mal mit ein bisschen physical modeling dabei (was ja aber unterm Strich einer Multisample-Library nicht gänzlich unähnlich ist, nur ist die Sache da bedeutend kleinteiliger und wird nicht über Samples gemacht).
Dito für die anderen Instrumente (jedenfalls soweit ich weiß).

Und damit sind wir bereits beim Punkt: Beim Gesang wird sich Suno AI recht gewiss irgendwelcher generativen Modelle bedienen (dafür spricht ja auch, dass der Mastermind bereits in der Materie tätig war), aber bei den anderen Instrumenten würde ich (alleine schon, weil es schlicht und ergreifend so klingt) meine Hand dafür ins Feuer legen, dass die KI hier "nur" per MIDI agiert und der Rest eben aus Libraries kommt.
Andernfalls hätten wir eben Vorläufer gesehen - bzw. würde der Typ damit dann auf dem "Library plus Player" Markt (also da, wo eben bspw. Toontrack und Co. zuhause sind) richtig Kohle machen können, denn es gibt sowas aktuell einfach nicht.
 
  • Interessant
Reaktionen: Hyp
Andernfalls hätten wir eben Vorläufer gesehen - bzw. würde der Typ damit dann auf dem "Library plus Player" Markt (also da, wo eben bspw. Toontrack und Co. zuhause sind) richtig Kohle machen können, denn es gibt sowas aktuell einfach nicht.
Der Typ hat evtl. das grosse Ganze im Auge. :)
Er rechnet ja mit Abermillionen Usern die irgendwann Suno nutzen und dafür zahlen werden.
Da kann der "Library plus Player Markt" nicht annähernd mithalten.
Über eine "Mixing-KI" habe ich gestern irgendwo gelesen. Von einer Uni vor Jahren entwickelt und dann im Sande verlaufen.
Die hätten sich damals mal mit iZotope zusammentun sollen. :)
Aber letztendlich ist das ebenfalls nur ein Teilbereich im Musikuniversum und so richtig absahnen kann man da doch auch nicht. CLA hätte wahrscheinlich nur eher zu Waves wechseln müssen, um noch etwas Kohle für die Rente zu machen. :)
aber bei den anderen Instrumenten würde ich (alleine schon, weil es schlicht und ergreifend so klingt) meine Hand dafür ins Feuer legen, dass die KI hier "nur" per MIDI agiert und der Rest eben aus Libraries kommt.
Das absolut relevante sind hier (egal, welchen Ansatz man verfolgt), die Trainingsdaten. Massivste Mengen an Trainingsdaten. Für Gitarren in verschiedenen Zerrgraden, mal mit Feedback, mal nicht, etc., könnten da u.U. mehr Trainingsdaten als für eine typische menschliche Gesangsstimme anfallen.
Ja, deshalb wurde bei andernen Projekten wohl auch nur mit 32KHz "trainiert".
Desweiteren scheint Diffusion genau für einen Teil deiner Anwendungsgebiete "gedacht" zu sein.
Demaskierung bzw. Mixing, Pitchshifting, Stereoverbreiterung (oder aus Mono mache Stereo) , Verzerrung hinzufügen oder wegnehmen, Instrumente spectral bearbeiten oder freistellen etc.
Auf der anderen Seite gibt es doch durchaus auch Plugins, welche diese Ansätze verfolgen. Ob das auch über Diffusion geschieht, dafür fehlt mir die Expertise.
Ich meine, allein was mit SpectraLayers so geht ist ja schon krass, hat aber natürlich nichts mit KI an sich zu tun.
 
Der Typ hat evtl. das grosse Ganze im Auge.

Kann sein, aber der USP (unique selling point) sind da gewiss nicht die Gitarren, die könnte er also auch separat anbieten.

Da kann der "Library plus Player Markt" nicht annähernd mithalten.

Und genau deshalb wäre es ja sinnvoll, die einzelnen Teile auch separat anzubieten. Die Nummer mit Gesang dann eben nur im Paket. Doppel-Win.

Mal ehrlich, alles, was da an Backings läuft, klingt für mich sehr nach generischen Patterns, wie sie mittlerweile auch bspw. Scaler raushauen kann. Und dann eben ab in die entsprechende Library.
Das ändert übrigens rein gar nichts daran, dass das trotzdem sehr erstaunlich ist. Unterm Strich haben wir ja immer noch mindestens einen Multitrack-Scaler und die Libraries werden ebenfalls ziemlich passend ausgesucht - ja, letzteres spräche für "echte" (also generative) KI-Arbeit, aber da spricht dann eben zeitgleich auch viel gegen.
 

Ähnliche Themen

geebee
  • Artikel
Antworten
8
Aufrufe
35K
TheSarge
TheSarge

Oft gelesene Themen

Zurück
Oben