Se ChatGPT sa scrivere articoli e DALL-E sa disegnare, chi ha detto che l’intelligenza artificiale non sa cantare? L’intelligenza artificiale ci ha insegnato a scrivere correttamente un curriculum, a scrivere un’e-mail, a disegnare un gatto nello stile di Picasso e a risolvere complessi problemi matematici con la facilità di un bambino. Sono fantastici. Ma ora OPENAI cerca di andare oltre i fogli di calcolo Excel e gli emoji carini: con OPENAI JUKEBOX, spera di creare una canzone che la gente vorrà ascoltare più di una volta. Sebbene non ci sia ancora una data di rilascio ufficiale, negli ambienti tecnici e di ricerca circola la stessa domanda: OpenAI è pronta a lanciare una nuova versione di Jukebox? OpenAI Jukebox 2.0? Si tratta di un modello di intelligenza artificiale sperimentale che qualche anno fa ha dimostrato di poter comporre musica, cantare testi e persino imitare Elton John, i Nirvana o chiunque si sia mai esibito su MTV, il tutto senza utilizzare una sola nota umana. Beh, almeno non servono corde vocali.
OpenAI Jukebox: l’intelligenza artificiale può fare di più che ripetere l’accordo di Do maggiore
Quando OpenAI presentò per la prima volta Jukebox, i critici furono scettici, e a ragione. Un modello in grado di generare musica da zero (incluse le voci) sembra uno scenario futuristico che solo i produttori musicali e una manciata di artisti con molto tempo libero potrebbero immaginare. Ma Jukebox funziona. Analizzando più di un milione di canzoni in base al testo, al genere, all’artista e persino all’anno di uscita, ha creato un modo completamente nuovo di creare musica: non più basato sugli strumenti, ma sui dati.
Il modello non produce note, ma produce suoni. E creare direttamente formati audio di qualità da studio. Ciò che state ascoltando potrebbe essere una canzone che non è mai esistita, ma alcuni potrebbero facilmente scambiarla per una demo perduta del 1998 dei Radiohead. Tecnicamente parlando, Jukebox codifica innanzitutto il suono grezzo in un linguaggio simbolico compresso, un’approssimazione del DNA musicale. Questa registrazione codificata è stata poi elaborata da una rete neurale a tre strati, ognuno dei quali ha contribuito in modo diverso alla costruzione della melodia, del ritmo, della voce e della consistenza sonora. Il passaggio finale è la decodifica inversa: l’IA piega le onde sonore per produrre suoni che gli esseri umani possono udire, ma che l’IA può solo “prevedere”.
Nelle ultime settimane l’attività degli sviluppatori nella divisione audio di OpenAI è aumentata. Su GitHub sono comparsi alcuni log di commit che menzionavano l’ottimizzazione del modello. Alcuni ricercatori hanno lasciato intendere nei podcast (e soprattutto in conversazioni informali su X/Twitter) che stanno sviluppando nuove architetture che consentiranno una generazione più rapida, una migliore rappresentazione vocale, il supporto per più lingue e, cosa più interessante, una migliore comprensione della struttura delle canzoni.
Conclusione: a volte il suono migliore proviene dal silenzio prima della première
Questa notizia non è stata confermata ufficialmente. OpenAI è rimasta in silenzio, ma il suo silenzio è stato insolitamente forte. L’atmosfera tra i ricercatori è come quella di un album di Kanye West: nessuno sa quando uscirà, ma tutti stanno già scrivendo recensioni. Se Jukebox 2.0 sarà davvero così buono come si dice, presto potremmo ascoltare canzoni che non saranno più basate sull’ispirazione individuale, ma sulla memoria collettiva di milioni di canzoni. È un suono che non avevamo mai sentito prima, eppure ci è così familiare.