LLMが音楽を「第二言語」にし始めた

ChatGPTに「ジャズっぽいピアノ曲を作って」と頼んでみてください。返ってくるのは、曲ではなくテキストです。「こういうコード進行がいいですよ」と親切にアドバイスはしてくれますが、実際に音符を鳴らすことはできません。

ところが2025年に入って、LLMに音符の学習データを足すだけで、テキストから楽曲がそのまま出てくる研究が続々と登場しています。しかも、ただ音を出すだけではありません。

本記事では、LLMが音楽を「学ぶ」3つの段階を追いかけます。語彙に音符を足す段階、訓練パイプラインごと移植する段階、そしてボーカル付きフルソングを丸ごと生成する段階。テキストを打つだけで編集可能な楽譜やフルソングが手に入る世界が、どこまで来ているのかを見ていきます。

LLMの辞書に音符を足す

まずは一番シンプルな発想から始めます。