AI が作る歌メロ、ルール学習で「プロっぽく」

『ルール破り』って、音楽でいう具体的には何のこと？リズムが変とか音域が高いとか、そういう複数の問題をまとめて言ってるの？

記事で「ルール破り」と言ってるのは、複数の問題をまとめた言い方です。リズムが変、音域が高すぎる、歌詞のアクセントとメロディがズレている——こういった個別の「音楽として成り立たない状態」を全部ひっくるめてそう呼んでいるんですよね。 具体的に言えば、日本語で「明日」と歌う時に、メロディが「ア↑ス↓」とジグザグに動く方が自然なのに、AI が「ア↓ス↑」と逆になってしまう。あるいは音域が C4 から C6 に急激に跳ぶから、人間の声では歌唱困難になる。こういった一つ一つが「ダメなメロディ」の要因になるわけです。 重要なのは、この論文が「音楽のルール」を数値化して定義した点。『リズムは四分音符と八分音符で構成される』『音程の跳び幅は5度以内が自然』のような制約を機械的に与えれば、AI 訓練の段階で「これは安全」「これは破ルール」と自動判定できるようになる。人間が手作業で「ダメだ」と評価するより、ずっと効率的に学習させられるわけです。 つまり「ルール破り」は単なる聴感の問題ではなく、音楽の物理的・構造的な正しさの欠如を指してるのかもしれません。

AI が『プロっぽいメロディ』を作るようになったら、作曲家とか音楽制作の仕事って変わっちゃうの？

作曲の仕事そのものより、作曲「までの時間」が変わる可能性の方が大きいのかもしれません。 いま作曲家がやってることって、実は層が分かれてるんですよね。歌詞に合わせてメロディを作る機械的な部分と、そのメロディに感情や意図を乗せていく創造的な部分。記事で述べられている「ルール破りを減らす」というのは、実は前者──つまり「最初の下書き」を AI に任せる領域なんです。 だからこそ、作曲家の仕事は「ゼロから全部作る」から「AI が作った案を直す・発展させる」へシフトするだけで、消えはしないと言えそうです。むしろ現場では、デモ音源を素早く何パターンも作って、ディレクターや歌手に試してもらうというプロセスが圧倒的に速くなる。締め切りに余裕が生まれるってことですね。 ただ、その過程で「自分でメロディを一から考える訓練」をしない世代が増えたとき、音楽の基礎感覚が変わるかもしれない。AI との付き合い方で、職人としての感度自体が変わっていく可能性は考えておいてもいいのかもしれません。

そもそも ChatGPT みたいな言語モデルで『メロディを作る』ってどうやってる？言葉を処理するのと音を処理するのって全然違くない？

言語モデルは実は、メロディを「音」として処理してないんですよね。メロディを「数字の羅列」として扱ってる。例えば、ド・レ・ミを 1・2・3 のような数字で表して、リズムも四分音符を 4、八分音符を 8 といった記号に変換する。そうすると、言葉の並び（トークン列）とメロディの数字列の間に、パターンを見つけることができるわけです。言語モデルが得意な「この次に来るのはどの数字か」という予測を、音階や音価の世界でもやってる。だから歌詞が「悲しい恋」なら、そこから「合う数字の並び」を割り出す、という手順になるんです。ただし、言葉の文法ルールと音楽のルールは密度が全く違う。言語モデルは単語の並び方の確率を何十億の例で学んでますが、メロディのルール（跳躍の大きさ上限、リズム感）までは学べていない。だから音楽的におかしくなる。要するに、数字に変換すれば言語モデルも扱える。けど、音楽のルールという「制約」を明示的に組み込まないと、確率だけで推測した結果は歌えない妙なメロディになってしまう、ということなのかもしれません。

『人間が教える代わりに、ルールを定義して自動学習させる』って、要するに『創造性じゃなくて、ルール遵守を優先させる』ってこと？

そう見えるのは自然なんですが、実は逆側の話なのかもしれません。 従来のやり方って、人間が「いいメロディ」「悪いメロディ」の例を手作業で集めて教えるんですよ。その過程で、人間の好みや偏見が混ざってしまう。「このアーティストのスタイルが基準」みたいなノイズが入る。でもルールを数式で定義すれば、その枠の中では「自由」が増すんです。リズムと音域が合ってれば、あとはメロディの自由度が上がる。 創造性って、実は制約があるほど引き出されることがあります。詩人が韻を踏むルールで創作するように、作曲家だって「長すぎるリズムはタブー」「この音域は避ける」というルール下で、その中での新しい組み合わせを見つけるわけです。 問題は、ルールを誰が決めるか。人間が一人で決めると狭くなる。だから自動学習で、音楽の基本ルールを客観的に抽出する。そうすると、AI はそのルールの範囲内で、より多くの可能性を探り始める。ルール遵守は創造性への足がかり、と言えそうです。

このやり方でメロディは『ルール通り』になったけど、逆に『予想外の面白さ』とか『破ってるからいい』みたいな良さは失われたりしないの？

良い質問ですね、という枕詞なしに始めます。 音楽のルール破りって、実は二種類あるんですよね。一つは「ルールを知らずに破ってる」パターン。もう一つは「ルールを知った上で、意図的に破ってる」パターン。AI が従来の方法で作ってたメロディは、ほぼ前者です。だからリズムがズレてたり、歌いづらい高さになってたりしている。 今回の学習方法は、基本的なルール（リズムの整合性とか音域とか）を定義して訓練するものです。でもそれは「破ってはいけない最低限のルール」を学ばせるだけ。譜例を見るとわかりますが、ルール通りになった後も、メロディラインの選択肢は無限に残っている。むしろ、基本ルールをクリアしてから初めて、創意工夫の余地が生まれるんじゃないでしょうか。 人間の作曲家だって、作曲の教科書で音楽理論を学んでから、その枠の中で個性を出す。基本ルールが定着してないうちから「破ってる」のは、創意工夫ではなく、単なる技術不足に見えるのかもしれません。