Prisutnost umjetne inteligencije u našem svakodnevnom životu i dalje raste, a Google se čini odlučnim dopustiti joj da diktira ritam onoga što slušamo. Tvrtka priprema novu značajku koja će omogućiti njenom Gemini asistentu da sklada glazbu iz tekstualnih naredbi , izravno iz mobilne aplikacije.
Ovaj potez u skladu je s Googleovom strategijom transformacije Geminija u kreativno središte sposobno generirati slike, tekst, a sada i zvuk bez potrebe za vanjskim alatima. Iako još nema službene najave, tehnički tragovi pronađeni u softveru jasno daju do znanja da tvrtka vrlo ozbiljno shvaća glazbu generiranu umjetnom inteligencijom.
Novi glazbeni alat unutar Geminija
Prema analizi Android aplikacije Gemini , jedna od njezinih najnovijih verzija sadrži izravne reference na interni uslužni program vezan uz stvaranje zvuka. Među retcima koda spominje se alat identificiran kao MUSIC_GENERATION_AS_TOOL , što sugerira funkciju posebno posvećenu generiranju glazbe pomoću umjetne inteligencije integrirane u samog asistenta.
Ovo otkriće dolazi iz rastavljanja APK-a Gemini verzije 17.2.51.sa.arm64 na Androidu , gdje je ova nova mogućnost otkrivena u fazi pripreme. Činjenica da je funkcija već prisutna u kodu, iako je skrivena od korisnika, ukazuje na to da je razvoj relativno napredan, iako još nije spreman za opću aktivaciju.
U međuvremenu, postoje znakovi da će Gemini uključiti posebnu glazbenu kategoriju u odjeljku "Moje stvari" . Ovo područje, dizajnirano za grupiranje svega što generira umjetna inteligencija - poput teksta ili slika - tada bi uključivalo i glazbene zapise, što bi olakšalo spremanje , organiziranje i reprodukciju zvučnih kreacija bez napuštanja aplikacije.
Do sada je Googleovo glazbeno eksperimentiranje bilo prvenstveno ograničeno na specifična područja, poput određenih značajki u aplikaciji Recorder na Pixel telefonu ili projekata za stvaranje videa poput Veoa. Razlika je sada u tome što će stvaranje zvuka postati izvorna mogućnost unutar Geminija , ravnopravno s pisanjem teksta ili generiranjem slika pomoću modela poznatog interno kao Nano Banana.
Lyrijina uloga i Googleovo prethodno iskustvo u glazbi pokretanoj umjetnom inteligencijom
Google ne kreće od nule u ovom području. Tvrtka već ima Lyriu, AI model specijaliziran za glazbu koji je dostupan putem Gemini API-ja i korišten je u raznim eksperimentima. Lyria je dizajnirana za skladanje instrumentalnih djela i praćenje evolucije glazbe u stvarnom vremenu , što se dobro slaže s budućom kreativnom značajkom za krajnje korisnike.
Procurele informacije sugeriraju da bi ovu novu Gemini značajku pokretala Lyria , donoseći Android aplikaciji tehnologiju koja je do sada bila ograničena na razvojna okruženja ili zatvoreno testiranje. To bi omogućilo svima, bez ikakvog znanja o glazbenoj produkciji, generiranje pjesama, melodija ili pozadinskih zvukova s jednostavnim opisom na prirodnom jeziku.
Unutar Googleovog ekosustava, Lyria se već koristi zajedno s drugim alatima poput Veoa, modela generiranja videa , za stvaranje zvučnih podloga prilagođenih isječcima generiranim umjetnom inteligencijom. Integracijom u Gemini, ova bi mogućnost bila dostupna samo jednim klikom na mobilnim uređajima, bez potrebe za pristupom zasebnim platformama ili tehničkim API-jima.
Ključ ovog pristupa je pristupačnost : iako Gemini API zahtijeva određeno znanje i resurse za potpuno korištenje, značajka unutar aplikacije s vođenim sučeljem i jednostavnim tekstualnim naredbama čini stvaranje glazbe dostupnim mnogo široj publici . Od kreatora sadržaja na društvenim mrežama do korisnika koji jednostavno žele pjesmu za vježbanje ili učenje, potencijalni raspon upotrebe je znatan.
Kako bi generiranje glazbe moglo funkcionirati u Geminiju?
Iako konačno sučelje još nije otkriveno, pronađene reference i način na koji rade druge Gemini značajke omogućuju nam da zamislimo prilično jasnu shemu. Najvjerojatnije će korisnik morati upisati upit koji opisuje vrstu glazbe koju želi, slično kao što se traže slike: na primjer, "lagana elektronička pjesma za koncentraciju", "epski soundtrack za trailer" ili "rock pjesma u stilu 80-ih za vježbanje".
Na temelju tog opisa, Gemini bi kombinirao svoje sposobnosti razumijevanja jezika s temeljnim glazbenim modelom, generirajući audio dijelove prilagođene traženom stilu, intenzitetu ili trajanju . Googleova namjera bila bi ponuditi iskustvo jednostavno kao generiranje slika, koje ne zahtijeva tehničko znanje o miksanju, instrumentima ili glazbenoj teoriji.
Otkriveni tekstualni nizovi sugeriraju da bi mogla postojati ograničenja korištenja ovisno o vrsti računa . Moguće je da će stvaranje glazbe u početku biti ograničeno na korisnike koji plaćaju , poput onih koji su pretplaćeni na napredne Geminijeve planove ili premium usluge Google AI, iako tvrtka to nije potvrdila.
Također je vrlo vjerojatno da će se primjenjivati filteri kako bi se spriječilo izravno oponašanje pjesama zaštićenih autorskim pravima ili glasova određenih izvođača . Glazbena industrija u Europi i ostatku svijeta posebno je osjetljiva na neovlašteno kloniranje stilova i tonova, a i propisi EU i pritisak industrije prisiljavaju velike pružatelje umjetne inteligencije da postupaju s oprezom.
Ako Google uspije pojednostavniti sustav uz poštivanje ovih ograničenja, Gemini bi mogao postati uobičajen alat za kreatore mobilnog sadržaja , od YouTubera i TikTokera do malih podcast projekata ili korporativnih videa kojima je potrebna brza i legalno upotrebljiva glazba u pozadini.
Pristupačnost, status razvoja i pitanja koja treba riješiti
Jedna od glavnih inovacija ove inicijative jest ta da bi Google prvi put omogućio generiranje glazbe svim korisnicima svoje Gemini aplikacije , bez oslanjanja na specifični hardver poput najnovijih Pixel telefona ili eksperimentalnih platformi. Glazba bi postala još jedan element u multimedijskoj ponudi asistenta, uz tekst i slike.
Međutim, tragovi u APK-u jasno pokazuju da je značajka još uvijek u razvoju . Zasad nije poznat točan način na koji će se prikazivati u sučelju, kao ni koliko će opcija prilagodbe uključivati (trajanje pjesme, instrumenti, promjene tempa, slojevi zvuka itd.).
Trenutno nema ni službenog datuma izlaska . Procurele informacije poput one koju je objavio Android Authority sugeriraju da bi objava mogla doći u sljedećih nekoliko tjedana ili mjeseci, ali to uvelike ovisi o internom testiranju i Googleovom rješavanju osjetljivih tehničkih i pravnih pitanja vezanih uz glazbu generiranu umjetnom inteligencijom.
Još jedno važno pitanje je hoće li se značajka istovremeno uvesti na svim tržištima ili će se prioritet dati određenim regijama, poput Sjedinjenih Država ili Europske unije . U slučaju Europe, nedavni propisi o umjetnoj inteligenciji i pravila o intelektualnom vlasništvu mogli bi utjecati i na vremenski okvir i na značajke dostupne u svakoj zemlji.
Konačno, još uvijek nije jasno hoće li alat biti ponuđen s ograničenim besplatnim načinom rada i naprednim plaćenim opcijama ili će biti izravno vezan uz pretplate poput Gemini Advanced ili Google One s umjetnom inteligencijom. Ove odluke mogle bi biti ključne u određivanju hoće li stvaranje glazbe pokretano umjetnom inteligencijom dosegnuti širu javnost ili će ostati u rukama manjeg segmenta intenzivnih korisnika.
Konkurencija u sektoru i potencijalni utjecaj na korisnike u Europi i Španjolskoj
Odluka o ubrzanju razvoja ove značajke dolazi usred intenzivne konkurencije među glavnim AI modelima . Dok Google radi na proširenju kreativnih mogućnosti Geminija, OpenAI priprema nove značajke za ChatGPT koje također pokrivaju područja poput rukovanja datotekama, programiranja i generiranja multimedijskog sadržaja.
Za korisnike u Europi i Španjolskoj, integracija glazbe pokretane umjetnom inteligencijom u Gemini mogla bi predstavljati izravnu alternativu uslugama trećih strana koje već omogućuju stvaranje prilagođenih pjesama, s prednošću integracije unutar Googleovog vlastitog ekosustava. Mogućnost spremanja kreacija u "Moje stvari", sinkronizacije s računom i pristupa njima s različitih uređaja olakšala bi njihovu ponovnu upotrebu u osobnim ili profesionalnim projektima.
Istovremeno, uvođenje u Europi ovisit će o usklađenosti s propisima EU-a , posebno u pogledu transparentnosti podataka o obuci, poštivanja autorskih prava i zaštitnih mjera za umjetnike i nositelje autorskih prava. Očekuje se da će Google morati pružiti jasne informacije o tome kako se te pjesme generiraju i koja se ograničenja primjenjuju na njihovu upotrebu.
Ako tvrtka pronađe pravu ravnotežu između inovacija i pravnih zaštita, ne bi bilo iznenađujuće da uskoro kreatori sadržaja na španjolskom jeziku uključuju glazbu koju generira Gemini u podcaste, kratke videozapise ili edukativne materijale, baš kao što se AI alati već danas koriste za titlovanje, sinkronizaciju ili uređivanje slika.
Ono što se u konačnici nazire jest scenarij u kojem stvaranje glazbe više neće biti isključiva domena onih koji vladaju instrumentima ili produkcijskim softverom , već će postati opcija dostupna izravno s mobilnih uređaja. Gemini, sa svojim nadolazećim alatom za generiranje glazbe, želi biti još jedan dio ove promjene, pod uvjetom da ga Google uspije besprijekorno integrirati u svoju aplikaciju, učiniti ga razumljivim prosječnom korisniku i prilagoditi ga pravilima igre koje je postavila glazbena industrija i europski propisi.
