Kits AI vs Jukebox (OpenAI)

Si bien Kits AI y Jukebox de OpenAI tienen en común la creación de música mediante inteligencia artificial, sus objetivos, posibilidades técnicas y usos son fundamentalmente diferentes, y son enfoques de la producción muy distintos. Son, por lo tanto, herramientas concebidas desde una postura bien distinta: una centrada en la producción de uso práctico y otra más experimental y conceptual.

Kits.ai es una plataforma comercial que se centra en sintetizar voces y doblajes musicales. Su principal finalidad es la de permitir a los usuarios cargar pistas de voz (o escribir letras) y convertirlas en interpretaciones cantadas por voces generadas por IA, muchas de las cuales son voces de personas reales con licencia. Está concebida para productores, compositores y creadores de contenido que necesitan resultados profesionales y rápidos, sin tener que apoyarse en vocalistas humanos para cada proyecto. Kits permite funcionar casi en tiempo real, con herramientas fáciles de usar, y está preparada para integrarse en flujos de trabajo musicales actuales.

Y Jukebox, que fue creado por OpenAI, es un modelo de IA de investigación que puede generar música completa -letra, melodía e instrumentación- desde cero y también puede imitar estilos y voces de artistas, en este sentido, Jukebox no es una herramienta que está pensada para el usuario final: su utilización requiere conocimientos técnicos y no hay (en la actualidad) una interfaz pública comercial, sino que su valor es más científico y exploratorio, en el sentido de que intenta poner de manifiesto que una red neuronal puede componer canciones coherentes dentro de diferentes géneros.

¿Cómo funcionan Kits AI y Jukebox (OpenAI)?

Kits AI y Jukebox de OpenAI, al ser herramientas que utilizan inteligencia artificial para la creación de música, desarrollan en su funcionamiento esta divergencia esencial, obligando a la consideración de distintos propósitos y niveles de complejidad técnica en la automatización.

Kits.ai se configura como una plataforma basada en modelos de síntesis y transformación. Esta tecnología se basa en redes neuronales entrenadas para el objetivo de emular timbres vocales específicos -muchos de ellos con licencia- que permite al usuario incluir grabaciones propias -una línea vocal hablada o cantada, por ejemplo- que, tras procesar las grabaciones mediante estas redes, obtienen una versión cantando por voces suscitadas por IA. Esto consiste en modelos de conversión de voz (voice conversion) y modelos de síntesis neural adaptados a cada timbre específico, manteniéndose el emparejamiento de entonación, rítmica y expresividad del usuario, pero sustituyendo la voz de la grabación original. Este funcionamiento de Kits AI está diseñado para que el usuario tenga una experiencia optimizada y fluida, como en otros servicios de red, como en su visión hacia el contexto de productores musicales, creadores de contenido y artistas independientes.

En contraposición, Jukebox, distinto producto de OpenAI, es un modelo de red neuronal generativa profunda entrenado desde cero para crear música: letra, voz, armonía e instrumentación. Emplea arquitecturas basadas en redes convolucionales y VQ-VAE para modelar secuencias musicales amplias y utiliza transformadores. Jukebox no requiere una voz entrada previa, sino que genera directamente canciones completas a partir de un prompt textual que contenga el estilo, género o bien artista. De todos modos, es intensivo en computación y no es un producto con vocación comercial. El modelo produce archivos de audio crudos en estilos musicales reales aunque su salida carece del control fino del que dispone Kits.

¿Cuáles son las opiniones sobre Kits AI y Jukebox?

Las opiniones sobre Kits AI y JukeBox (OpenAI) ponen de manifiesto el contraste entre una herramienta ideada para la producción musical con intereses prácticos y un experimento de investigación que ha servido para poner a prueba los límites de lo que es capaz de hacer la IA.

Kits.ai ha recibido críticas en su mayoría favorables desde la óptica de la producción musical, sobre todo por parte de productores independientes, compositores y creadores de contenido. Se elogia especialmente su capacidad para generar voces sintéticas realistas, su carácter intuitivo y la posibilidad de aplicar distintos timbres sin necesidad de contar con la participación de un cantante profesional en cada proyecto. Muchos usuarios subrayan la rapidez de los flujos de trabajo y la calidad de las voces entrenadas, así como el ahorro de tiempo y de costes en el caso de maquetas, demos o proyectos audiovisuales. Durante este proceso, sí se le ha expresado, no obstante, algunas críticas sobre ciertas limitaciones en cuanto a la expresividad emocional y la dependencia de plantillas vocales predefinidas.

En el caso de Jukebox, es evidente que la aceptación ha deparado unos resultados completamente opuestos. La comunidad científica y tecnológica ha alabado su enorme complejidad técnica y la capacidad de su uso para generar música original en un sentido que le vale para imitar géneros e incluso músicos reales de forma particular. Desde el campo académico se llega a considerar su propuesta como un hito de la generación de audio por IA. Pero en el campo musical entre músicos y usuarios creativos, la aceptación es más tibia. Muchos consideran que sí, que Jukebox es una maravilla conceptual pero que su falta de control, su coste computacional y su inaccesibilidad como una herramienta práctica la convierten más bien en un recurso real escaso para la creación musical.

Fuentes informativas

• Web oficial de Kits: https://www.kits.ai
• Portal web oficial de Jukebox: https://openai.com/index/jukebox/

Publicaciones relacionadas