KAIST e Carnegie Mellon University — InkDesign News — Pesquisadores da KAIST e da Carnegie Mellon University desenvolveram um sistema de inteligência artificial baseado em machine learning para auxílio na criação musical, oferecendo suporte interativo que transforma inspirações multimodais em progressões harmônicas.
Contexto da pesquisa
A criação musical por meio de inteligência artificial (IA) tem avançado, porém muitas ferramentas gerativas atuais reproduzem conteúdo de forma unilateral, sem respeitar a intenção do criador. O time liderado pelo Professor Sung-Ju Lee (KAIST) propôs um sistema colaborativo que integra IA ao processo criativo humano, permitindo integração e modificação das sugestões geradas.
Método proposto
A abordagem do sistema Amuse combina dois modelos principais: um large language model (LLM) que gera códigos musicais a partir da entrada do usuário — seja texto, imagem ou áudio — e um segundo modelo treinado com dados reais de música que filtra resultados inadequados através de rejection sampling. O sistema converte entradas como “memórias de uma praia quente de verão” em progressões harmônicas coerentes.
Resultados e impacto
O sistema foi avaliado por músicos profissionais em estudo de usuário, destacando sua capacidade de atuar como um parceiro criativo, no conceito de Co-Creative AI, em que IA e humanos colaboram. O método respeita o fluxo criativo, incentiva exploração e reduz imitações diretas de conteúdos protegidos, abordando preocupações de copyright.
“Recentes tecnologias generativas de IA levantaram preocupações por imitar conteúdos protegidos por direitos autorais ou gerar resultados unilaterais, sem a intenção do criador. Nosso foco foi desenhar um sistema centrado no criador.”
(“Recent generative AI technology has raised concerns in that it directly imitates copyrighted content, thereby violating the copyright of the creator, or generating results one-way regardless of the creator’s intention. Accordingly, the research team was aware of this trend, paid attention to what the creator actually needs, and focused on designing an AI system centered on the creator.”)— Professor Sung-Ju Lee, KAIST
O modelo foi testado com métricas qualitativas de aceitação por músicos, confirmando o potencial para design de ferramentas criativas que mantêm o controle do usuário. A integração do LLM com filtragem baseada em dados reais representa avanço significativo em music generation AI.
Possíveis aplicações incluem softwares de composição musical assistida por IA, ferramentas educacionais e plataformas de co-criação artística. Os pesquisadores destacam que o desenvolvimento pode inspirar um futuro onde humanos e IA colaboram em produção criativa, respeitando direitos autorais e intenções artísticas.
Veja mais sobre inovação em inteligência artificial e machine learning em machine learning e deep learning.
Fonte: (TechXplore – Machine Learning & AI)
