Industri musik sedang membangun teknologi untuk berburu lagu

Mimpi buruk industri musik menjadi kenyataan pada tahun 2023 dan sangat mirip dengan Drake.

“Hati di lengan bajuku,” duet palsu antara Drake dan The Weeknd, mengumpulkan jutaan aliran sebelum seseorang dapat menjelaskan siapa yang melakukannya atau dari mana asalnya. Lagu itu tidak viral – itu memecahkan ilusi bahwa seseorang memegang kendali.

Dalam perselisihan untuk merespons, kategori infrastruktur baru mengambil bentuk yang dibangun diam -diam agar tidak mencegah musik generatif, tetapi untuk membuatnya dapat dilacak. Sistem deteksi sedang dimasukkan di seluruh pipa musik: dalam alat yang digunakan untuk melatih model, platform di mana lagu dibebankan, database yang hak lisensi, dan algoritma yang membentuk penemuan. Tujuannya bukan hanya untuk menangkap konten sintetis setelah fakta. Adalah untuk mengidentifikasinya lebih awal, untuk menandainya dengan metadata dan mengatur bagaimana ia bergerak melalui sistem.

“Jika Anda tidak membangun hal -hal ini dalam infrastruktur, Anda mengejar ekor Anda,” kata Matt Adell, penyandang dana musikal AI. “Anda tidak dapat terus bereaksi terhadap semua trek atau model baru – yang tidak naik. Anda membutuhkan infrastruktur yang bekerja dari pelatihan hingga distribusi.”

Sekarang startup muncul untuk membangun deteksi dalam alur kerja lisensi. Platform seperti YouTube dan DEEZER Mereka telah mengembangkan sistem internal untuk memberi sinyal audio sintetis karena dimuat dan membentuk bagaimana tampilannya dalam pencarian dan rekomendasi. Perusahaan musik lainnya – termasuk Audible Magic, PEX, Rightyy dan SoundCloud – memperluas deteksi, moderasi dan sumber daya atribusi dari segala sesuatu mulai dari pelatihan dan set data distribusi.

Hasilnya adalah ekosistem perusahaan yang terfragmentasi tetapi cepat yang menangani deteksi konten yang dihasilkan oleh AI bukan sebagai alat eksekusi, tetapi sebagai tabel patch infrastruktur untuk melacak media sintetis.

Alih -alih mendeteksi musik AI setelah menyebar, beberapa perusahaan membangun alat untuk mengidentifikasinya sejak itu dilakukan. Vermillio dan AI Musical sedang mengembangkan sistem untuk memindai trek yang sudah selesai mengenai elemen sintetis dan secara otomatis menandainya di metadata.

Struktur traceid Vermillio lebih dalam menyebarkan lagu-lagu dalam nada vokal seperti batang, phraseling melodi, dan pola liris dan pensinyalan segmen yang dihasilkan AI, memungkinkan pemegang hak untuk mendeteksi untuk meniru level batang, bahkan jika trek baru hanya dapat menggunakan bagian asli.

Perusahaan mengatakan fokusnya tidak dihapus, tetapi perizinan proaktif dan rilis bersertifikat. TraceID diposisikan sebagai pengganti sistem seperti ID konten YouTube, yang biasanya kehilangan imitasi yang halus atau parsial. Vermillio memperkirakan bahwa lisensi yang diautentikasi yang ditenagai oleh alat -alat seperti TraceID dapat tumbuh dari $ 75 juta pada tahun 2023 menjadi $ 10 miliar pada tahun 2025. Dalam praktiknya, ini berarti bahwa pemegang hak atau platform dapat melakukan trek akhir melalui TraceID untuk melihat apakah berisi elemen yang dilindungi – dan, jika dimaksudkan, sistem diarahkan untuk rilis sebelum rilis sebelum rilis.

Beberapa perusahaan melangkah lebih jauh ke data pelatihan sendiri. Saat menganalisis apa yang masuk model, tujuan Anda adalah memperkirakan seberapa banyak lagu yang dihasilkan meminjamkan artis atau lagu tertentu. Jenis penugasan ini dapat memungkinkan lisensi yang lebih akurat, dengan royalti berdasarkan pengaruh kreatif, daripada sengketa pasca-peluncuran. Gagasan ini menggemakan perdebatan lama tentang pengaruh musik – seperti proses “garis kabur” – tetapi menerapkannya pada generasi algoritmik. Perbedaannya sekarang adalah bahwa lisensi dapat terjadi sebelum rilis, bukan melalui perselisihan setelah fakta.

AI Musical juga bekerja pada sistem deteksi. Perusahaan menggambarkan sistemnya sebagai lapisan konsumsi, pembangkitan, dan distribusi. Alih -alih menyaring keluar, ia melacak asal dari ujung ke ujung.

“Tugas tidak boleh dimulai ketika musik selesai – itu harus dimulai ketika model mulai belajar,” kata Sean Power, co -founder perusahaan. “Kami mencoba mengukur pengaruh kreatif, bukan hanya menangkap salinan.”

Deezer telah mengembangkan alat internal untuk memberi sinyal trek AI yang dihasilkan AI dan mengurangi visibilitasnya dalam rekomendasi algoritmik dan editorial, terutama ketika konten muncul dalam spam. Direktur inovasi Aurélien Herault mengatakan bahwa pada bulan April alat-alat ini mendeteksi sekitar 20 % dari unggahan baru setiap hari sebagaimana dihasilkan sepenuhnya oleh AI-More daripada dua kali lipat apa yang mereka lihat pada bulan Januari. Lagu yang diidentifikasi oleh sistem tetap dapat diakses di platform, tetapi tidak dipromosikan. Herault mengatakan Deezer berencana untuk mulai memberi label rentang ini kepada pengguna secara langsung “dalam beberapa minggu atau beberapa bulan.”

“Kami tidak menentang AI,” kata Herault. “Tetapi banyak dari konten ini digunakan dengan itikad buruk – bukan untuk penciptaan, tetapi untuk menjelajahi platform. Itu sebabnya kami sangat memperhatikan.”

Pemijahan AI (tidak melatih protokol) DNTP menekan deteksi bahkan lebih cepat – pada tingkat database. Protokol eksklusi memungkinkan seniman dan pemegang hak untuk memberi label pekerjaan mereka sebagai di luar batas untuk pelatihan model. Sementara seniman visual sudah memiliki akses ke alat serupa, dunia audio masih pulih. Sejauh ini, ada sedikit konsensus tentang cara membakukan persetujuan, transparansi atau lisensi skala. Regulasi pada akhirnya dapat memaksa masalah ini, tetapi untuk saat ini, pendekatan tersebut tetap terfragmentasi. Dukungan perusahaan pelatihan utama AI juga tidak konsisten, dan para kritikus mengatakan protokol itu tidak akan mendapatkan daya tarik kecuali jika diperintah secara independen dan banyak diadopsi.

“Protokol opsi harus nirlaba, diawasi oleh beberapa aktor yang berbeda, untuk dapat diandalkan,” kata Dryhurst. “Tidak seorang pun harus mempercayai masa depan persetujuan bagi perusahaan terpusat yang tidak jelas yang dapat meninggalkan bisnis – atau jauh lebih buruk.”