Parte IV · Cap. 09 — Modelo de Música
Conexionista · Música · Autoregressivo / difusão sobre tokens de áudio. Compõe e gera música a partir de texto ou condição. Card:
../02-tipos-de-ia/02-conexionista.kmd.
🎨 Figura
F-IV.9.0— Do prompt à canção. Brief: texto ("lo-fi piano triste") → tokens de áudio → forma de onda com estrutura musical (compassos, instrumentos em camadas).
1. Definição e história curta
Gera áudio musical (instrumental e vocal) condicionado a texto, melodia ou estilo. Linhagem: MIDI simbólico → Jukebox (2020, áudio bruto) → MusicGen, Suno, Udio (2023+, qualidade de produção).
2. Fundamentos
- Teoria musical — harmonia, ritmo, forma, timbre como priors.
- Acústica / DSP — representação de áudio, codecs neurais.
- Probabilidade — geração autoregressiva/difusão sobre tokens.
- Teoria da informação — compressão de áudio (codec) define a unidade gerada.
3. Algoritmos e arquiteturas
- Tokenização de áudio — codec neural (EnCodec) → tokens discretos.
- Modelo — Transformer autoregressivo (MusicGen) ou difusão sobre latentes.
- Condicionamento — texto, melodia, andamento, instrumentação.
- Multi-faixa — geração de stems (voz, bateria, baixo) separados.
4. Insumos
- Hardware: GPU; geração de minutos de áudio é custosa.
- Dados: música + metadados/letras; licenciamento é crítico.
- Estruturas de dados: tokens de codec, embeddings de gênero/estilo.
- Sistemas: pipelines de áudio; separação de fontes.
5. Ciclo de vida especializado
| Etapa | Especialização |
|---|---|
| 0 Problema | Gerar trilha/canção; controle (gênero, BPM, instrumentos, vocal?) |
| 1 Dados | Áudio musical licenciado, captions, letras; limpeza |
| 2 EDA | Distribuição de gêneros, qualidade, duplicatas |
| 3 Modelagem | Codec + Transformer/difusão; condicionamento; multi-stem |
| 4 Treino | Treino do codec + gerador; longo |
| 5 Avaliação | Qualidade musical (humana), alinhamento ao prompt, originalidade |
| 5.5 Homologação | Filtro de plágio/cópia, marca d'água, checagem de direitos |
| 6 Produção | Geração condicionada; stems editáveis |
| 7 Monitoramento | Qualidade, reclamações de direitos, abuso |
| 8 Retreino | Novos gêneros/estilos |
| 9 Governança | Copyright (treino e saída), royalties, voz de artista |
6. Capacidades, modos e modalidades
Musical/artístico: composição, trilhas, jingles, demos; vocais sintéticos; acompanhamento. Criatividade condicionada ([metáfora]).
7. Limites, riscos e ética
Direitos autorais (dados de treino e similaridade de saída); imitação de artistas; deslocamento de músicos; royalties. Marca d'água e curadoria de dados são centrais.
8. Estado da arte e exemplos
Suno, Udio, MusicGen, Stable Audio; tendência: controle fino (melodia/letra), stems, qualidade de estúdio, e disputas legais em andamento.