「AIソング生成」が実際にしてくれること、してくれないこと

「AI 作曲」や「AIで歌を作る」と検索してこのページにたどり着いた方は、たぶん二つのうちどちらかの場所に立っています。こうしたツールがいつの間にか本物そっくりの音楽を作れるようになった仕組みが気になっている方。あるいは、記念日や、亡くなった方への思い、大切な人への贈り物といった「失敗できないこと」に使おうとしていて、ボタンを押す前に信頼していいのか確かめたい方です。

この記事は、その正直な答えです。「AIがついにヒット曲を書く時代!」という煽りでもなく、「どうせ心のない作りものでしょう」という決めつけでもありません。本当のところはその真ん中にあって、しかもどちらの極端よりずっと役に立ちます。AIの作曲ツールは、いくつかの入力から一曲を仕上げてくれる、確かに強力な楽器です。ただし、あなたの物語が何なのか、その中で何が大切なのか、何があの人の涙を誘うのかは、まったく知りません。ツールの仕事がどこで終わり、あなたの仕事がどこから始まるのか。そこを正確に理解することが、「誰でもない人の歌」と「まぎれもなくあの人の歌」を分ける境い目になります。

AIの作曲ツールは実際どう動くのか（やさしい言葉で）

AIの作曲ツールは、短い説明を受け取って、それを一曲まるごとの音楽に変えます。ふつうはボーカルもメロディも楽器も編曲もすべて一度に、ほんの一、二分で。

仕組みのうえでは、このモデルは膨大な量の録音された音楽で学習し、歌がどう組み立てられているかという統計的なパターンを覚えています。Aメロがどうサビへ流れていくか、「あたたかいアコースティックのバラード」と「明るいポップス」では何が違うか、歌声がコード進行の上にどう乗るか。あなたが入力――たいていは歌詞とスタイルの指定（ジャンル、雰囲気、テンポ、声質）――を渡すと、そのパターンに合った音声を生成します。

最近のツールの多くは、仕事を二つに分けています。別々に理解しておく価値があります。

• 言葉。 あなたが歌詞を書くか、あなたが渡した説明をもとに言語モデルが下書きを作ります。
• 音楽と声。 それとは別の音声モデルがその歌詞を演奏します。メロディを付け、歌い、伴奏を組み立てます。

この区別は聞こえ以上に大事です。音声エンジンは「音楽」の部分が驚くほど得意です。本物の、ちゃんとプロが作ったような曲を、確実に渡してくれます。けれどこのエンジンにできないのは、その「言葉」が本当に何かを語っているかを判断することです。そこはまっすぐ入力に――つまりあなたに戻ってきます。

AIが本当に得意なこと

このツールがどれほどすごいかは、はっきり認めておく価値があります。世間の懐疑は、たいてい数年前の感覚で止まっているからです。

いまのAI音楽ツールにできること。

• 放送品質の音声を作る。 きれいなミックス、自然な歌声、説得力のある楽器の音。昔のツールにあった「あ、機械だな」という違和感は、ほとんど消えました。
• 頼んだスタイルに合わせる。 しっとりしたR&B、フォークの子守唄、ライブ会場が沸くようなロックのサビ――頼めば、ジャンルも楽器編成も雰囲気も、かなり巧みに当ててきます。
• 構成を扱う。 AメロBメロ、サビ、間奏、イントロ、アウトロ。歌の骨組みは最初から組み込まれています。
• 速くて安い。 かつてはスタジオも歌い手も予算も必要だったものが、いまは数分で済みます。

「特定のジャンルで、心地よくてプロっぽい歌が一曲ほしい」というのが目的なら、技術はもうそこにあります。難しいのは、もうそこではありません。

つまずくところ――「ありきたりな仕上がり」問題

ここからが、誰も宣伝しない失敗のパターンです。AIの作曲ツールに、薄くてぼんやりした入力を渡すと、薄くてぼんやりした歌が返ってきます。音はきれいに仕上がっていて、でも誰のことでもない歌が。

「妻のことを歌った曲、彼女は素晴らしくて大好きです」と打ち込むと、モデルには具体的に使える材料が何もありません。だから一番無難で平均的な歌詞でその穴を埋めます。「君は僕の世界を照らす、君はいつもそばにいてくれる、いつまでも永遠に」と。どの行も技術的には愛についての言葉で、世界中のどの奥さんにも等しく当てはまります。音作りは完璧でしょう。歌は、忘れられてしまうでしょう。

この分野ぜんぶで一番大事なのは、たぶんこれです。ツールはあなたの入力を増幅するだけで、入力そのものを肩代わりはしません。 生成ツールは「掛け算」であって「源」ではないのです。豊かで具体的で本当の入力を掛ければ、その一人にしかありえない歌になります。ありきたりな入力を掛ければ、きれいに磨かれた決まり文句が出てきます。音声エンジンはその二つの違いがわかりません――どちらも同じくらい良い音に仕上げてしまう。だからこそ、この罠にはまりやすいのです。

あなたにしかできない部分――物語と具体

AIはあなたの物語を知りません。お父さんが日曜の朝、がらんとした駐車場で運転を教えてくれたことも、奥さんが焦がしたクッキーをいつも自分の分にしていることも、お母さんが学校へ送り出すときに決まって言っていたあの一言も。どの細部が大切かを選ぶこともできません。その歌を贈る相手に、一度も会ったことがないのですから。

これは直すべき欠陥ではありません。永久に変わらない「役割分担」です。人間が渡すのは、モデルには決して生成できないものです。

• 具体的な細部。 「彼女はやさしい」ではなく、「夜中の二時、二回目のコールで出てくれて、理由を聞かなかった」。具体は、ありきたりなモデルが文字どおり作り出せない唯一のものです。学習データの中にではなく、あなたの記憶の中にしかないからです。
• 何が大切かを見きわめる判断。 言えることが千あるなかで、本当にあの人を捉える三つはどれか。モデルはすべてを同じ重さで扱います。あなたは、そうしません。
• 感情の真実。 心地よさのほんの一歩先まで踏み込む一行、感じてはいるけれど口には出さないこと。それは、実際にそう感じている人からしか出てきません。

本当の記憶を、具体的な情景として生成ツールに渡してみてください。ついさっき決まり文句を作っていたのと同じ技術が、こんどはその情景のまわりに、心から動かされる歌を組み立てます。仕上がりの上限は、ほぼすべて入力の質で決まります。（記憶を使える歌詞に変えるコツそのものは、それ自体ひとつの技術で、学ぶ価値があります。）

自分で打ち込むツール vs. 手伝ってくれるサービス

入力こそが大事だとわかると、現実的な問いはこうなります。「正しい入力にたどり着くのを、誰が手伝ってくれるのか」。

まっさらな自作系のツールは、空っぽの入力欄と、すべての操作権をあなたに渡します。自由がきいて、たいてい無料で試せて、具体的な歌詞の書き方とスタイルの伝え方をすでに知っている人には最高です。難しいのは、空欄が何のヒントもくれないことです。だから多くの人はぼんやりした言葉を打ち込み、ありきたりな結果を受け取り、「AIの歌は心がない」と結論づけます。問題はツールではなく、空っぽの入力欄でした。

目的のために作られたサービス（たとえば一人ひとりのための歌のサービス）は、別のことをします。先に、正しい問いを投げかけてくれるのです。空欄の代わりに、具体的な記憶やジャンルをあなたから引き出す質問が並び、そのうえで同じような生成エンジンが形にします。物語の源は変わらずあなたですが、その仕組みが、ありきたりの罠を自力で避ける手助けをしてくれます。

抽象的にどちらが「上」ということはありません。書くことに自信があって、楽しみで試すなら、自作系のツールは解放感があります。歌が贈り物で、一発勝負なら、手引きのある道のほうがたいてい価値があります。AIが賢いからではなく、それが「あなた自身」をより具体的にする手伝いをしてくれるからです。