Az ElevenLabs szerint ez az eddigi legjobb AI-zenei modellje

Az ElevenLabs szeptember 11-én hivatalosan elindította a Music v2.5-öt, amely mostantól az ElevenMusic alapértelmezett modellje a promptalapú és referenciahanggal indított generálásoknál. A cég nem apró frissítésként kezeli: saját meghatározása szerint ez az eddigi legfejlettebb zenei modellje, amely jobb hangminőséget, pontosabb promptkövetést, rétegzettebb hangszerelést és természetesebben megszólaló instrumentumokat kínál. 

Az ElevenLabs ezt ezúttal egy meglehetősen nagy saját teszttel is igyekszik alátámasztani. 47 885 generáláspárt hasonlítottak össze vaktesztben, minden esetben ugyanazzal a prompttal készítve egy-egy v2 és v2.5 változatot. A vállalat szerint a résztvevők az esetek többségében az új modellt választották. A különbség a vokálközpontú, illetve akusztikus hangszerekre erősebben építő műfajoknál volt a legnagyobb, köztük az R&B, soul, hiphop, rock, metal, valamint az orchestrális és filmes zenéknél. Fontos ugyanakkor, hogy ez az ElevenLabs saját összehasonlítása, nem független benchmark. 

A v2.5 megtartja a korábbi generáció fontosabb workflow-it is. Használható hozzá Audio Reference, részletes kompozíciós terv és inpainting, vagyis egy meglévő generálás egyes részei újrakészíthetők anélkül, hogy feltétlenül az egész számot újra kellene generálni. Az új modell az ElevenMusic mellett az ElevenCreative felületén és az ElevenLabs API-jában is megjelent. 

Az egyik érdekesebb döntés azonban nem azzal kapcsolatos, mit tud a v2.5, hanem azzal, mi történik a v2-vel: semmi. Az ElevenLabs egyértelművé tette, hogy a Music v2 továbbra is választható marad. Ez fontos különbség egy olyan AI-zenei piacon, ahol egy modellváltás nem feltétlenül pusztán minőségi előrelépés: a különböző generációk eltérő hangkaraktere miatt egyes felhasználók kifejezetten ragaszkodhatnak egy korábbi verzióhoz. 

A letöltési feltételekkel is igyekszik pozicionálni magát a szolgáltatás. Az ElevenLabs szerint a felhasználóé marad minden ElevenMusicban létrehozott track, még akkor is, ha később megszünteti vagy alacsonyabb csomagra váltja előfizetését. A Free csomag naponta öt lossless letöltést engedélyez, a Pro pedig havi 400-at. Az ingyenes csomaggal készült zenék kereskedelmi használata is megengedett az ElevenMusic feltüntetésével. Más előadó dalára referenciaként építő generálást ugyanakkor nem lehet letölteni. 

Mindezt érdemes különválasztani az ElevenLabs és a Universal Music Group frissen bejelentett megállapodásától. Maga az ElevenLabs is külön megjegyzést fűzött a v2.5 premierjéhez, hogy az UMG-vel kötött többéves licenc- és termékfejlesztési együttműködés nem ehhez a modellhez kapcsolódik. A két cég egy különálló AI-zenei platformot fejleszt, amely a részt vevő előadók és dalszerzők engedélyezett zenéire építve remixeket, mashupokat, újraértelmezéseket és személyre szabott vokális élményeket tesz majd lehetővé. 

Ez gyakorlatilag két eltérő AI-zenei modellt rajzol ki ugyanazon vállalaton belül. Az ElevenMusic általános zenegenerátorként működik, míg az UMG-vel készülő platform egy kontrollált, licencelt katalógusra és az abban részt vevő művészek engedélyére épül. Az ElevenLabs kifejezetten úgy fogalmaz, hogy az új UMG-platform elkülönül a jelenlegi Music API-tól és ElevenMusictól. Emiatt a „walled garden” jó leírás lehet a működési logikára, de egyelőre inkább iparági értelmezés, mint az ElevenLabs hivatalos termékelnevezése. 

A cég közben már korábban elkezdte kiépíteni a jogtulajdonosokkal való együttműködését. A Merlin és a Kobalt partnerségei olyan keretrendszert adnak, amelyben művészek és dalszerzők engedéllyel vehetnek részt az AI-zenei modellek és a hozzájuk kapcsolódó bevételi lehetőségek kialakításában. Az ElevenLabs kommunikációjának egyik visszatérő eleme éppen az, hogy az AI-zenét a zeneiparral együtt, nem pedig annak megkerülésével akarja fejleszteni. 

A v2.5 ezért technológiai frissítésként önmagában csak a történet egyik fele. A generatív zenei szolgáltatások versenye egyre inkább arról is szól, milyen zenéből tanulhat egy modell, mit vihet magával a felhasználó, milyen jogokat kap a generált felvételhez, és mennyire marad szabadon használható egy platform. Az ElevenLabs jelenleg úgy próbál előnyt építeni, hogy az általános ElevenMusic mellett külön kezeli a major kiadóval fejlesztett, licencelt katalógusra épülő terméket. Hogy hosszabb távon melyik modell válik vonzóbbá a felhasználóknak és a jogtulajdonosoknak, az már jóval nagyobb kérdés annál, hogy egy vakteszten a v2 vagy a v2.5 szólt jobban.