Viele stellen sich KI-Musik als einen einzigen Knopf vor. Man tippt einen Satz, ein fertiger Song kommt heraus, Feierabend. So läuft es hier nicht, und das Gegenteil zu behaupten würde das Projekt billiger aussehen lassen, als es ist.
Es ist eine Schleife, kein Knopf
Der Ablauf ist repetitiv. Ein Prompt erzeugt einen Kandidaten. Der Kandidat ist fast immer auf eine bestimmte Weise falsch: Das Tempo kämpft gegen die Melodie, die Stimme sitzt zu weit vorn, der Drop kommt, bevor der Song ihn verdient hat. Also ändert sich der Prompt und die Schleife läuft erneut.
Bei einem Stück, das am Ende siebzig Sekunden dauert, können das Dutzende vollständiger Durchläufe sein. Die meisten hört nie jemand außer uns. Die Versionen, die übrig bleiben, sind nicht die, die der Maschine am besten gefallen — die Maschine hat keine Meinung. Es sind die, die zu einem Bild passen, das vorher in einem Kopf war.
Warum Country und Elektronik schwierig ist
Die beiden Genres ziehen in verschiedene Richtungen. Country will Raum, Luft und ein Instrument, das nach Holz und Draht klingt. Elektronische Produktion will Kompression, Gewicht und einen Bass, der den Raum füllt. Zu weit in die eine Richtung, und die Steel Guitar verschwindet unter dem Bass. Zu weit in die andere, und der Drop klingt höflich.
Den Punkt zu finden, an dem beides überlebt, ist der größte Teil der Arbeit. Und der Grund, warum ein Track auch bei neunzig Prozent noch verworfen wird.
Was die KI nicht macht
Sie entscheidet nicht, was gut ist. Sie weiß nicht, dass eine bestimmte Pause sich richtig anfühlt oder dass eine Gesangszeile nach etwas klingt, das ein Mensch tatsächlich sagen würde. Sie liefert Möglichkeiten, schnell und in Menge — und Menge ist wirklich nützlich. Aber eine Möglichkeit ist keine Entscheidung.
Genau darum geht es im nächsten Text: der menschliche Anteil.