Ha eddig az AI-zenék legnagyobb baja az volt, hogy „jópofa, de szétesik”, az ElevenLabs most arra tesz ígéretet, hogy egy dalon belül is képes összetartani a történetet — akár műfajváltásokkal együtt.

Mi történt

Az ElevenLabs kiadta a zenegeneráló modellje új verzióját, a Music v2-t, ami a cég állítása szerint képes menet közben műfajt váltani egy számon belül. A példák elég szélsőségesek: opera → heavy metal → opera, illetve gyors rap úgy, hogy közben ne csússzon szét a ritmus és a szöveg koherenciája.

A frissítés nem csak „stílus-trükk”: a modell célja, hogy a vokálok (énekhang, kiejtés, dallamvezetés) és a kompozíció (hangszerek, harmóniák, szerkezet) bonyolultságát együtt kezelje. Gondolj rá úgy, mintha nem egyetlen pillanatképet generálna, hanem egy rendezői vágást tartana kézben: tudja, mikor minek kell visszatérnie, és mikor lehet elmenni egy másik irányba.

A Music v2-vel a dal szakaszonként építhető (intro, verze, refrén), majd ezek összeilleszthetők. Emellett egy adott részlet újragenerálható prompttal úgy, hogy a track többi része érintetlen marad — ez közelebb áll a valódi szerkesztési folyamathoz, mint a „csinálj még egy random verziót” megközelítés. A modell nem zenei hangokat is hozzáadhat (hanghatások), és a leírás alapján megbízhatóbban működik több nyelven, dalszöveggel és különböző vokál- és hangszerelési beállításokkal.

Miért fontos

A zenegenerálásban most a tét nem az, hogy „tud-e zenét csinálni” az AI, hanem hogy tud-e hosszabb, szerkeszthető, produkció-közeli anyagot adni. A szakaszos építkezés és a részleges újragenerálás olyan, mintha a zenét nem egyben öntenéd ki a gépből, hanem modulárisan raknád össze — ez a marketinges, brandinges felhasználásban (szignálok, kampányzenék, variációk) és a kreatív munkában is sokkal praktikusabb. Ugyanakkor a kereskedelmi használat kérdése megkerülhetetlen: a cég külön kiemeli, hogy a modell licencelt adatokon tanult és a kimenet üzleti célra is tisztázott, ami éles kontrasztban áll azokkal a vitákkal és perekkel, amelyek más generatív zenei szereplőket érintettek.

Mire figyelj

  1. Mennyire „varrható össze” a dal valójában? A szakaszok illesztése papíron jól hangzik, de a gyakorlatban a hangszín, térérzet és dinamika egységessége dönti el, mennyire lesz professzionális a végeredmény.
  2. Mit jelent pontosan a kereskedelmi tisztázás? A licencelt tanítóadat fontos jelzés, de érdemes figyelni a felhasználási feltételeket: mire ad jogot, és milyen korlátozásokkal.
  3. API-hozzáférés és integrációk: a modell elérhető az ElevenCreative-ben (marketing/branding fókusz) és az új ElevenMusic platformon, az ElevenAPI-s elérés pedig „hamarosan” jön — ez dönti el, mennyire tudod beépíteni saját workflow-ba.

A TechCrunch AI kontextusába helyezve ez egyértelműen beleillik abba a versenybe, ahol a zenegenerálás a rövid demókból a szerkeszthető, hosszabb és jogilag vállalható tartalmak felé tolódik.