Microsoft entwickelt einen KI-Rap-Generator

Nachdem bereits andere Tech-Giganten in jüngster Vergangenheit KI-Musiksysteme herausgebracht haben, zieht nun auch Microsoft nach und präsentiert seinen KI-Rap-Generator Deeprapper.

Big Techs Begeisterung für KI-generierte Musik

Erst im Mai 2023 veröffentlichte Google mit MusicLM ein Programm, dem es gelingt anhand von beschreibenden Texteingaben Musik zu generieren. Mitte Juni gab dann der Meta Konzern den Launch seines eigenen KI-Generators für die Umwandlung von Text in Musik – MusicGen – bekannt.  

Auch Microsoft betreibt ein Forschungsprojekt namens Muzic zu KI-generierter Musik. Nun zieht das Unternehmen mit der Veröffentlichung seines lange angekündigten KI-Generator DeepRapper nach.

Rhymes and Rhythms

In dem im Juli 2021 veröffentlichen Forschungspapier (PDF), das die Entwicklung und Erprobung von DeepRapper beschreibt, steht, dass es sich um das erste KI-System handelt, das Rap mit Reimen und Rhythmen erzeugt.

Laut dem Forschungspapier hätten bisher veröffentlichte KI-Systeme, die auf Rap spezialisiert sind, sich hauptsächlich auf die Reimtexte und wenig auf die rhythmischen Beats konzentriert. Die Forscher erklären:

"Sowohl objektive als auch subjektive Bewertungen zeigen, dass DeepRapper kreative und qualitativ hochwertige Raps erzeugt."

Für die Umsetzung habe das Unternehmen einen großen Datensatz an Rap-Songs mit aufeinander abgestimmten Texten und rhythmischen Beats angelegt. Um die Übereinstimmung zwischen Text und Beat ermitteln zu können, verwendete das Forschungsteam dabei das Beat-Tracker Programm Librosa. Auf den Erkenntnissen basierend wurde schließlich ein sogenanntes "transormatorbasiertes autoregressives Sprachmodell" zur Modellierung von Reimen und Rhythmen entwickelt. 

Weitere KI-Musiksysteme in den Startlöchern

Wie das Online-Magazin MusicBusinessWorldwide aufführt, arbeitet das Microsoft Forschungsprojekt Muzic an weiteren KI-Systemen. Einige dieser drehen sich um die Stimmsynthese, auch bekannt als KI-gestützte Technologie zur Nachahmung der menschlichen Stimme.

Eines der entwickelten KI-Systeme nennt sich DeepSinger. Dabei handelt es sich um ein mehrsprachiges Modell zur Stimmsynthese. 

Laut eigenen Angaben der Forscher/innen (PDF) handelt es sich bei diesem KI-System um das erste System zur Stimmsynthese, das ohne hochwertige von Menschen aufgenommene Gesangsdaten auskommt.

Das derzeit neuste Projekt von Microsoft ist ein KI-gestützter Generator für symbolische Musik aus Text.

MuseCoCo steht für "Music Composition Copilot" und erzeugt "symbolische Musik". Dieses Programm soll es Musiker/innen ermöglichen, aus beschreibenden Texten passende Musik zu generieren und so eine "erhebliche Effizienzsteigerung im Vergleich zur Erstellung von Musik von Grund auf" darstellen.

MuseCoCo unterscheidet sich dabei durch sein zwei Stufen-Modell von ähnlichen KI-Systemen wie MusicLM und MusicGen.

Die Forscher beschreiben es in ihrem Forschungsdokument (PDF) wie folgt:

"So können beispielsweise Musiker/innen mit fundierten Musikkenntnissen Attributwerte direkt in die zweite Stufe eingeben, um Kompositionen zu generieren, während Nutzer/innen ohne musikalischen Hintergrund sich auf das Modell der ersten Stufe verlassen können, um ihre intuitiven Textbeschreibungen in professionelle Attribute umzuwandeln."