Next step in AI vocals: ACE Studio

[Sascha Franck]

Ich sehe da, was den Spaß an der Sache angeht, auch kein wirkliches Problem.

Letzten Endes ist das nix anderes als Drums aus der Dose, Quantisieren, virtuelle Effekte und Co. Für Leute, die Musik ohne kommerzielle Hintergedanken machen, ist das an sich grandios. Und auch dass man, wenn man sich KI-gestützte Kompositionshilfen so anschaut, recht bald an sich gar keine musikalischen Vorkenntnisse braucht, entlockt mir kein böses Erstaunen, spätestens seit Splice und Co. bzw. den endlosen Patterngeräten (EZ Kram, etc.) kann sich ohnehin fast jede/r irgendwas Anhörbares zusammenstokeln.

Problematisch finde ich allerdings, dass hier ein komplettes Arbeitsfeld vermutlich komplett umgekrempelt wird, nämlich das des professionell Musikschaffenden (abgesehen von Leuten, die das auch live machen, da wird's wohl noch 'ne Weile dauern).

Klar, rein technisch betrachtet darf man da durchaus generell Parallelen zur industriellen Revolution ziehen. Und ja, es war sicherlich für die Hufschmiede damals ziemlich kacke, dass plötzlich keiner mehr zu Pferde rumeiern wollte, aber unterm Strich hat dann doch niemand diesen Zeiten hinterhergeweint (wobei es tatsächlich mMn dafür Gründe geben könnte, aber lassen wir das hier...). Alles prima, nennt man wohl Fortschritt.

Aber hier haben wir es plötzlich noch mit ganz anderen Qualitäten zu tun. Nein, das hat jetzt nicht wirklich was mit Gesang aus der Dose zu tun, aber eben mit dem ganzen KI-Firlefanz als solchem.
Hier geht's so langsam (bzw. tatsächlich ja sogar rasend schnell) auch an das kreative Kerngeschäft.
Dass es nach den Drummern als ersten Opfern mit Virtual Guitarist und Co. auch mich erwischt - geschenkt. Sind halt eher die technischen Aspekte, die da im Vordergrund stehen. Und die arbeitslosen Orchestermusiker sind halt die Hufschmiede von heute.
Aber bei Gesang finde ich es dann schon so, dass es sehr seltsam wird, denn menschliche Stimmen assoziiert man eben mit - *tadaa* - Menschen. Und um ganz direkten menschlichen Ausdruck, ohne Umwege über ein Instrument. Und jetzt kann man die Stimme eben nicht mehr mit einem Gesicht bzw. mit menschlichem Ausdruck assoziieren. Das finde ich zumindest mal sehr seltsam.

Zieht man dann noch in Betracht, dass Chat GPT Texte schreibt und Tools a la Scaler Akkordfolgen wie Melodien liefern, ja was genau bleibt dann noch dem Menschen vorbehalten? Nur noch die Auswahl. Erschaffen muss man genau nix mehr, geschweige denn, sich dafür Mühe geben.

Und da genau die Sachen, die kommerzialisiert werden, idR auch als Vorlagen für das dienen, was so im eher hobbyistischen Bereich passiert, werden genau diese Vorlagen in sehr naher Zukunft fast nur noch von KIs kommen, denn auf kommerzieller Ebene wird der menschliche Faktor gerade überflüssig bzw. schlichtweg zu teuer.

Ganz abgesehen davon werden wir es sehr bald natürlich mit einer unfassbaren Schwemme an perfekt komponierter und produzierter Musik zu tun haben. In diesem Wust irgendwelche identifizierbaren, von Menschen gemachten Sachen zu finden, wird vermutlich sehr schwer werden.

 

[stoman]

Ich mag da ja blauäugig sein, aber ich sehe tatsächlich nicht, dass KI echten Künstlern in absehbarer Zeit den Rang wird ablaufen können. Was mit künstlichem Gesang inzwischen geht, ist beeindruckend, und ich selbst bin einer von denen, die immer mehr dazu übergehen, den KI-Gesang im finalen Mix zu belassen, aber das hat auch einen guten Grund: Ich bin Hobbyist und hätte ansonsten entweder gar keinen Gesang oder recht minderwertigen Hobbygesang in meinen Liedern (wie in der Vergangenheit). Für professionelle Künstler(innen) habe ich nämlich noch nie Geld ausgegeben, weil das für jemanden, der Musik nur zum Spaß macht, schlicht wirtschaftlicher Blödsinn wäre. Durch meinen Einsatz von KI-Stimmen wird also kein einziger Künstler auch nur einen Cent weniger einnehmen. Ich hingegen habe dadurch die Möglichkeit, meine Ideen zu verwirklichen.

Auf professionellem oder semi-professionellem Gebiet sehe ich auf lange Sicht keinen nennenswerten Markt für KI-Produktionen. Da geht es eben doch nach wie vor um die menschliche Note, und Musik verkauft sich ja ohnehin im Live-Bereich am besten. Ich bezahle doch nicht für ein Konzert von KI-Einheiten.

Wie im Video (welches ja ein von der Herstellerfirma bezahltes Werbevideo ist) sogar explizit erwähnt wird: "It's a tool!" - so sehe ich das auch. Um auch nur näherungsweise die Emotion und Performance eines mittelprächtigen Session-Singers zu erreichen, muss auch mit diesem Werkzeug noch ordentlich nachgearbeitet werden. Das macht doch auf die Dauer kein Mensch. Dieses Werkzeug ist aber in (semi-)professionellen Kreisen prima für Demos. Eben genau so wie all die anderen virtuellen Instrumente, die wir schon seit vielen Jahren einsetzen und nicht mehr hinterfragen.

 

[Sascha Franck]

Auf professionellem oder semi-professionellem Gebiet sehe ich auf lange Sicht keinen nennenswerten Markt für KI-Produktionen.

Das sehe ich dann doch sehr anders. Ich glaube, dass es in den meisten Bereichen so sein wird wie jetzt schon im Grafik-Bereich.
Der Werbemacher muss dann keinen Werbemusiker mehr anheuern, der gibt nur noch ein paar Prompts ein und *zack* kommen 30 Vorschläge zur Auswahl rangeflattert. In 20 Minuten.
Filmmusik wird dann sicherlich folgen. Da wird es vermutlich, zumindest anfangs, noch Leute mit Sachkenntnis geben, um gewisse Dinge etwas genauer auszufeilen und zu koordinieren, aber auch das fällt vermutlich irgendwann weg.

Da geht es eben doch nach wie vor um die menschliche Note, und Musik verkauft sich ja ohnehin im Live-Bereich am besten. Ich bezahle doch nicht für ein Konzert von KI-Einheiten.

Dass es live für eine Weile noch anders sein wird, erwähnte ich ja auch schon. Ist ja auch ganz geil (für mich sowieso, ich mache Musik eigentlich in erster Linie, weil ich Live-Spielen super finde).
Andererseits ist die ABBA-Nummer in London ein unfassbarer Erfolg und mit zunehmend realistischerer Avatar-Technik in 3D werden wir da a) noch diverse Wiederauflagen von Elvis, den Beatles und Co. sehen, b) wird es aber auch ganz neue, eigenständige Projekte geben. "Mave" ist etwa eine komplett virtuelle K-Pop Band, die gehen mindestens in Korea total steil.

Und generell kann man einfach sicher sein, dass überall, wo es Geld zu verdienen gibt, die Macher von was auch immer ein absolut gesteigertes Interesse daran haben, so viel wie nur möglich auf KI-basierte Geschichten umzulagern. Da bleibt dann einfach mehr Geld hängen. Und für den Erfolg des Kino-Blockbusters ist es vollkommen wumpe, ob die Musik von Hans Zimmer oder einem virtuellen Alter Ego kreiert wurde.

 

[Turquoise]

Ich mag da ja blauäugig sein, aber ich sehe tatsächlich nicht, dass KI echten Künstlern in absehbarer Zeit den Rang wird ablaufen können.

Echte Künstler sind häufig unbequem. Sonst wären sie nie Künstler geworden. Künstler denken out-of-the-box, gehen Wege abseits der Masse und glauben nicht selten, eine Message zu haben.

Von daher kann einem System, welches das pure Geldmachen zum obersten Prinzip erhoben hat, gar nichts Besseres passieren, als KI-Kreationen, die es zu 100 Prozent unter Kontrolle hat.

 

[andy_g]

Hier mal eine, aus der guten alten Pferdekutschenzeit Gesangs "KI" ohne Monatsabo.

https://de.fiverr.com/categories/music-audio/singers-vocalists

 

[Sascha Franck]

Echte Künstler sind häufig unbequem. Sonst wären sie nie Künstler geworden. Künstler denken out-of-the-box, gehen Wege abseits der Masse und glauben nicht selten, eine Message zu haben.

Von daher kann einem System, welches das pure Geldmachen zum obersten Prinzip erhoben hat, gar nichts Besseres passieren, als KI-Kreationen, die es zu 100 Prozent unter Kontrolle hat.

Im Prinzip Zustimmung (s. u.a. auch o.), aber womöglich ist das dann die noch verbleibende Nische, die von Menschenhand besetzt wird. Einer KI das gewisse "Extra" über Widerspenstigkeit, out-of-the-box und Co. einzuhauchen, steht dann womöglich doch noch nicht direkt vor der Tür. Und das sind durchaus Eigenschaften, über die sich zumindest ein Teil des Publikums identifizieren. Oder von denen das Publikum zumindest fasziniert ist. KIs zertrümmern eben keine Hotelzimmer.

 

[stoman]

KI wird eine Zeitlang einen Wow-Effekt haben, und es wird einige Lemminge geben, die dem hinterlerlaufen. Es werden neue Genres dadurch entstehen (oder sind schon entstanden). Aber die werden nicht die anderen verdrängen. Ich mache mir da bis zum Beweis des Gegenteils keine Sorgen. Die Konzerte und Musicals, die ich mir bislang angesehen habe und das damit verbundene persönliche Erlebnis, wird auch in 200 Jahren noch keine KI ersetzen können.

ABBA virtuell? Nichts für mich. Ich habe ja schon Probleme mit Coverbands.

 

[Sascha Franck]

Hier mal eine, aus der guten alten Pferdekutschenzeit Gesangs "KI" ohne Monatsabo.

https://de.fiverr.com/categories/music-audio/singers-vocalists

Ist leider kein direkter Link, da kommen tausende von Sängern.

 

[Sascha Franck]

ABBA virtuell? Nichts für mich.

Ich brauche das auch nicht. Aber es läuft wie Sau. Und ist übrigens keine Coverband. Sondern geschaffen von ABBA, präsentiert von Avataren.

 

[Sascha Franck]

KI wird eine Zeitlang einen Wow-Effekt haben, und es wird einige Lemminge geben, die dem hinterlerlaufen.

Und wenn der Wow-Effekt weg ist, wird es zum Alltag gehören. Alleine schon, weil es sowieso niemand mehr unterscheiden wird können.

 

[andy_g]

Im Ernst: Was ist denn Dein Problem?

Wenn Du etwas weiter siehst verstehst Du es vielleicht. Aber die KIs werden sich sowieso nicht aufhalten lassen.

 

[andy_g]

Ist leider kein direkter Link, da kommen tausende von Sängern.

Ja, und die sind alle echt – noch...

 

[Joost]

Meine Sichtweise:

Letztlich geht es den wenigen (Storage/Cloud) Anbietern, wie Google, Amazon, Microsoft und Oracle ja auch nur darum, ein Produkt aufzubauen, wo Software As A Service (SAAS) verkauft wird und wo kein Endkundengeschäft notwendig ist, wo man dann noch 24/7 Support weltweit anbieten müsste.
Das ist dann reines Rechenzentrumsgeschäft. Man muss verstehen, wie die überwiegend amerikanischen Anbieter ticken. Da geht es um "recurring revenue", also Abos.

Wenn man sich die bislang auf ML Techniken angebotenen Plugins so anschaut, sind es überwiegend Plugins, wo DeReverb, Vocal Enhancement, Geräusch Unterdrückung etc. gemacht wird. Die Modelle sind aber meistens für den Zweck entstanden, das Benutzererlebnis bei Videokonferenzen zu verbessern (auch ein Rechenzentrumsgeschäft). Entsprechend muss man dann als Benutzer die Plugins herauspicken, welche beim ML Modell mit HiFi Daten gefüttert wurden

Diese ML Modelle werden dann im Kontext einer Prompt Anwendung mit Spracherkennung genutzt und AI/KI genannt.
Ohne eine gewaltige Datenbasis können diese Systeme auch keine Musik oder Videos von selber generieren. Wenn diese Anwendungen sich das alles selber beibringen können, dann könnte man es vieleicht KI nennen. So weit sind wir aber noch nicht....

 

[stoman]

Ich brauche das auch nicht. Aber es läuft wie Sau. Und ist übrigens keine Coverband. Sondern geschaffen von ABBA, präsentiert von Avataren.

Das weiß ich schon, aber es ist eben dennoch nicht das Original.

Wenn ich ABBA hören will, lege ich eine der Originalplatten auf. Live gibt es die ja nicht mehr.

Und ich höre durchaus einen deutlichen Unterschied zwischen KI und echtem Gesang, egal wie gut die KI das hinbekommt. Es fehlt immer irgendetwas. Für mich als Hobby-Klimperer absolut tolerierbar, aber würde ich meine Musik verkaufen wollen, wäre mir das nicht gut genug.

Aber, wie gesagt: Vermutlich wird sich KI-Musik als eigenständiges Genre etablieren, so wie auch EDM, Techno und ähnliche Resultate technischer Entwicklungen. Trotzdem wird es immer noch Jazz, Rock, Folk, Singer/Songwriter, etc. geben, weil Geschmäcker nun einmal auch in Zukunft - glücklicherweise - immer sehr unterschiedlich bleiben werden.

 

[Sascha Franck]

Live gibt es die ja nicht mehr.

Doch. Als Avatare. Welcome to the future.
Und nein, ich finde das weder geil noch rechtfertige ich es oder sonstwas. Aber es ist eben das, was läuft und laufen wird.

 

[Sascha Franck]

Und ich höre durchaus einen deutlichen Unterschied zwischen KI und echtem Gesang, egal wie gut die KI das hinbekommt. Es fehlt immer irgendetwas.

Warte mal 2 Jahre.

Trotzdem wird es immer noch Jazz, Rock, Folk, Singer/Songwriter, etc. geben, weil Geschmäcker nun einmal auch in Zukunft - glücklicherweise - immer sehr unterschiedlich bleiben werden.

KI wird in allen Genres mitmischen. Es gibt überhaupt keinen Grund, warum eine KI keinen Folk machen können sollte.

 

[stoman]

Wenn Du etwas weiter siehst verstehst Du es vielleicht. Aber die KIs werden sich sowieso nicht aufhalten lassen.

Nein, das Problem sehe ich auch weiterhin nicht. Ich sehe lediglich, dass sich vermutlich Strukturen ändern werden und dass neue, zusätzliche, Möglichkeiten entstehen, die man kategorisch ablehnen oder für sich nutzen kann.

KI kann m.E. nur da den Menschen verdrängen, wo es schon jetzt nicht auf den Menschen ankommt, weil die Musik explizit maschinell klingen möchte (EDM, Techno, House). Bei "handgemachter" Musik (Rock, Jazz, Folk, ...), wo die menschliche Performance das A und O ist, wird sie das - aus meiner Sicht - nie können.

 

[stoman]

Warte mal 2 Jahre.



KI wird in allen Genres mitmischen. Es gibt überhaupt keinen Grund, warum eine KI keinen Folk machen können sollte.

Doch, den wird es solange geben, wie eine KI nicht wie ein Mensch auf der Bühne live spielen und animieren kann.

Und das werden weder wir noch unsere Kindeskinder erleben, so weit lehne ich mich durchaus aus dem Fenster.

KI kann nur nach einprogrammierten Algorithmen funktionieren. Auch neuronale Netzwerke helfen da nur wenig. Echte Künstler "grooven" zusammen, weil die Chemie stimmt, der Blickkontakt da ist, man sich kennt und versteht, und weil die Musik Gefühle weckt - sowohl beim Hörer wie auch beim Künstler selbst. Eine fühlende KI wird es nicht geben.

 

[Sascha Franck]

Bei "handgemachter" Musik (Rock, Jazz, Folk, ...), wo die menschliche Performance das A und O ist, wird sie das - aus meiner Sicht - nie können.

Ich halte das für eine doch eher blauäugige Sicht der Dinge. Wie bereits mehrfach gesagt, den Menschen sehe ich da als relevante Größe nur noch live. Das Musikkonservengeschäft wird in recht naher Zukunft so gut wie vollkommen in KI Hand sein.
Und das Gute ist: Wir werden das ja vermutlich hier noch zusammen beobachten können, die Entwicklung ist so rasant, dass ich nicht glaube, schnell genug zu versterben, um das nicht mehr mitzubekommen.

 

[Sascha Franck]

KI kann nur nach einprogrammierten Algorithmen funktionieren.

Da liegst du falsch. "Echte" KI wird lernfähig sein.