The Stolen Song

[Mnemosyne]

Text: Mnemosyne
Musik: Udio AI Music Generator

https://www.udio.com/songs/pEt1EX8F8wMUCffuxbkgNr

Text:

Verse 1:
This song was stolen and not written
the words are mine, the notes are not
the holy muses chained and smitten
to substitute them with a bot.

I don't play drums, bass, or guitar
Long years of practice? Not for me!
I hide behind an avatar
a coward rockstar wannabe.

Chorus:
We need to fight with soul and heart
defend humanity and art
now to the streets and to the courts
we need to stop those shameless torts
Take action, make the techbros cry
and stop generative AI.

Verse 2:
A beast is crawling through the web
devours each melody, each phrase
it swallows beauty, swallows crap
and shits numerical arrays.

Centuries of human creation
conceived with heart and soul and mind
without consent or compensation
ripped shaken, and then recombined.

Chorus:
We need to fight with soul and heart
defend humanity and art
now to the streets and to the courts
we need to stop those shameless torts
Take action, make the techbros cry
and stop generative AI.

Verse 3:
Hey folks, whose work was merged to this
don't know, don't care where it came from
ignorance – my comforting bliss:
Oh look! My "own" hardrock song!

I didn't offer you a choice
made you my bitches, and my slaves
I sing with someone else's voice
Dancing on starving artist's graves.

Chorus:
We need to fight with soul and heart
defend humanity and art
now to the streets and to the courts
we need to stop those shameless torts
Take action, make the techbros cry
and stop generative AI.

[Mnemosyne]

Inzwischen gibt es Neuigkeiten in dieser Sache:

https://www.heise.de/en/news/AI-music-i ... 76627.html

[Pjotr]

KI-Musik wird mich nie berühren. Das Wissen darum, dass das Werk nicht von einem Lebewesen stammt, unterbindet jedwede Berührungsmöglichkeit. Es mag dennoch Werkausschnitte geben, die mich berühren, aber deren Quelle ist letztendlich doch auch der Werkfetzen eines Lebewesens und somit nicht wirklich KI. Die Berührung meine ich wortwörtlich: Wenn mich ein Lebewesen körperlich berührt, verändert sich mein Zustand, und diese Zustandsveränderung geschieht nur dann, wenn ich weiß, dass es eine Berührung mit einem Lebewesen ist. Hingegen bewirkt der Hautkontakt mit einer Maschine oder einem Zaun keine echte Berührung. Das lässt sich auch neurochemisch vergleichen.

[Mnemosyne]

Es mag die Zeit kommen, wo man das nicht mehr wissen kann. Hättest Du es bei dem Song hier gewusst, wenn es nicht dabei (bzw. im Text) stünde? Hättest Du etwa bei Filmmusik die Resourcen, den entsprechenden Reflexionsvorgang "im Hintergrund" mitlaufen zu lassen?

Das spräche für eine Kennzeichnungspflicht bei KI-generierten Erezgunissen, was allerdings umso schwieriger werden dürfte, je mehr menschlicher und künstlicher Anteil sich vermischen und durchdringen.

Der künstlerische Wert des Ergebnisses ist aber unabhängig von der Frage nach der Legimität des Herstellungsprozesses. Was da derzeit stattfindet, ist ein regelrechter Kunstraub, der bei den bildenden Künsten schon viele Künstlerinnen und Künstler in ernsthafte materielle Bedrängnis bringt. Mit der Musik könnte es ähnlich kommen, nur dass die Musikindustrie eine deutlich stärkere Lobby bildet, mit ausreichend Kapital und Kompetenz, um sich dagegen juristisch zu wehren. Die kommenden Wochen und Monate dürften interessant werden.

[Pjotr]

Es ist nicht nur die KI, die mich kalt lässt; auch sonstige digitale Maschinen wie etwa das Autotuning macht für mich aus einem ursprünglich gefühlvollen Ausdruck eine geradlinige maschinelle Kälte. Autotuning gefällt zwar vielen jungen Leuten sehr, aber die Popmusik generell war noch nie so trivial und ausdruckslos wie derzeit. Die nächste Generation scheint die Vielfalt und Ausdruckskraft aller musikalischen Dimension zu verlernen, so, wie wir das Mammutjagen verlernt haben. Ich kann nur für mein Gefühl sprechen: Selbst wenn der "Stolen Song" von richtigen Menschen gespielt worden wäre, so wäre die Produktion für meinen Geschmack zu kalt. Das klingt alles viel zu perfekt. Das ist unmenschlich. Aber nun, das Unmenschliche, das Roboterhafte, ist das Schönheitsideal der Zukunft. Digitale Beauty-Filter in Foto und Film, Schönheitsoperationen am Fleisch -- alles wird glatt und noch glatter. Warum? Weil irgendein Idol damit mal angefangen hat. Und was dieses Idol macht, wird nachgemacht. So, wie bei uns früher: Irgend ein paar Idole haben sich mal im Sommerurlaub in den 1950ern gebräunt, und seither machen die Hellhäutigen das nach, obwohl das Sonnenbaden gesundheitsschädigend, kreislaufanstrengend, und langweilig ist. Trotzdem soll das irgendwie "schön" sein. Warum? "Das ist halt so." Gewohnheit wird zur Tradition. Braunsein ist nur noch ein soziales Statussymbol, ohne wirklich ästhetischen Hintergrund, glaube ich. Es ist "cool". Und Roboterhaftes nachzuahmen (auch im Tanz) ist halt auch "cool".

[Mnemosyne]

Diese Art von "Überperfektion" kann es bei generativer KI in der derzeit virulenten Form eigentlich nicht geben -- sie "lernt" ja aus menschlichen Erzeugnissen, und reproduziert damit auch alle möglichen Arten von Ecken und Kanten. Im Fall von Musik z.B. gibt es immer mal wieder unpräzise Schläge im Rhythmus, und auch der Text geht bisweilen ordentlich "daneben". (Was lustig klingt, etwa so, wie sich die jeweilige Sprache für jemand anhören würde, die oder der sie nicht versteht.) Ich musste hier auch ziemlich lange herumprobieren, bis etwas einigermaßen sinnvolles dabei herauskam.

Die Sache würde für dich aber wohl ohnehin nicht besser, wenn die KI darauf trainiert würde, öfter mal kleine Fehler einzubauen und damit "menschlicher" zu wirken (oder habe ich dich da falsch verstanden)?

[Pjotr]

Ich denke, ich verstehe was Du meinst. Imperfektion im Sinne eines Fehlers in der Regelmäßigkeit? Ich meine eine andere Art von Imperfektion, eine schöne, nämlich eine Abweichung von der Regelmäßigkeit in dem Sinne, dass aus Sachlichkeit Emotion wird. Bei der Maschine hingegen ist auch der Fehler sachlich. Schwer zu erklären. Ich versuche es mal mit einer Analogie mithilfe einer "gemalten" Zahlenreihe:

Perfekte Reihe: 1 2 3 4 5 6 7 8

Maschineller Fehler: 1 2 3 6 5 6 7 8

Emotionale Variation: 1 2 3 4 5 6 7 8

[Mnemosyne]

Ich sehe den Unterschied, den Du vorschlägst (und die Illustration ist äußerst illustrativ), muss allerdings gestehen, dass ich diesen Instinkt gar nicht habe. Hätte man mir das hier als von "The Offspring" stammend verkauft, hätte ich das wohl geglaubt. Ich finde diesen Punkt gerade ziemlich interessant. Kannst Du irgendwie konkreter beschreiben, was diesen Eindruck von "unmenschlicher Perfektion" hervorruft?

Wenn Du einverstanden wärst, könnte ich mal ein paar Lieder posten, die vielleicht von KI, vielleicht von Menschen stammen, und Du sagst mir, welche davon dir "unmenschlich perfekt" vorkommen? Ich fände es wirklich spannend, wenn man den Unterschied (noch) heraushören könnte.

[Pjotr]

Ich finde das Thema auch spannend. Ich versuche mal, zu erläutern, was ich meine. Dazu muss ich etwas ausholen:

Musik besteht aus mehreren Dimensionen, also aus Rhythmus, Tempo, Melodie, Harmonie, Dynamik und vielen weiteren.

Wenn ich eine einzige Dimension herausgreife und ihren Inhalt bewerte, gibt es keinen Kontext für einen Fehler. Beispiel: Ich höre in der Dimension namens "Melodie" die Tonhöhenreihe c-e-fis. Kein Fehler. So lange es keinen Bezug zu irgendetwas gibt, ist jede beliebige Reihenfolge fehlerfrei. Nun stelle ich eine weitere Dimension parallel dazu, sagen wir die Dimension namens "Harmonie" und höre in ihr einen C-Dur-Dreiklang, also c-e-g. Nun höre ich also gleichzeitig c-e-fis und c-e-g. Die eine Dimension ist jeweils ein Kontext zur anderen Dimension, und erst in so einem Kontext kann eine Reibung entstehen, nämlich in diesem Fall zwischen fis und g, was man gewissermaßen als Fehler auffassen kann.

Nun gibt es Kaskaden mit weiteren Dimensionen; nehmen wir die Dimension "Skurrilität". Beispiel: An der Stelle, wo die Sängerin ein fis singt während die Gitarre ein C-Dur anschlägt (seltsame Reibung mit fis), enthält der gesungene Text irgendeine skurrile Aussage, vielleicht "smell the light". Durch diesen skurrilen Kontext klingt die Reibung mit der Gitarre plötzlich fehlerfrei. Machen wir den Text banaler, etwa "alle meine Entchen", so klingt die Reibung fis/g wieder falsch, denn im Kontext der Banalität erwarte ich 100% Sauberkeit und Einfachheit zwischen Melodie und Harmonie. Jedwede Reibung empfinde ich dann wiederum als "falsch". Also wenn die Entchen eine fis/g-Reibung verpasst bekommen, ist das wohl ein Fehler von einer Musikmaschine. Wenn das jedoch mit "smell the light" passiert, ist das eine kontextmäßig sinnvolle Reibung und ist menschlich nachfühlbar und somit kein echter Fehler mehr. Mag sein, dass so etwas manchmal auch eine Maschine fertigbringt, aber dann ist das Zufall oder eine Fragment-Kopie.

Anderes Beispiel: Ein Chor singt einen Text, der eine immer schneller werdende Hetzjagd beschreibt. Währenddessen wird das Tempo des Liedvortrags langsamer. Für mich als empathisches Wesen fühlt sich das falsch an. Entweder passt der Text nicht zur Verlangsamung, oder die Verlangsamung passt nicht zum Text. So einen Fehler kann nur eine Maschine machen. Menschen, die so eine Hetzjagd im Geist mitfühlen und dadurch den musikalischen Vortrag mit echten Emotionen befüllen, spielen intuitiv schneller, singen intuitiv mit angerauhtem Timbre und so weiter und so fort. Die Nichteinhaltung eines konstanten Tempos ist dann kein Fehler; im Gegenteil, die Beschleunigung ist eine emotionale Notwendigkeit und macht den Vortrag erst glaubwürdig. Die Maschine würde eher versuchen, das Tempo konstant zu halten. Und das klingt in so einem dramatischen Text besonders gefühlskalt. Ich glaube, die Maschine hat für solch eine Interdimensionalität noch gar keine Antennen.

Die Kaskaden der Kontexte sind so komplex; das kann die heutige KI noch nicht duchschauen, vermute ich. Mit anderen Worten: Die Fehler, die die Musik-KI macht, sind Kontext-Fehler, zumal die KI die Mehrdimensionalität der Kontexte wahrscheinlich noch nicht einmal kennt.

Wenn Du einverstanden wärst, könnte ich mal ein paar Lieder posten, die vielleicht von KI, vielleicht von Menschen stammen, und Du sagst mir, welche davon dir "unmenschlich perfekt" vorkommen?

Gerne :-)

[Mnemosyne]

Vielen Dank für diese ausführliche und sehr erhellende Erläuterung! Ich verstehe dich jetzt so, dass gewisse musikalische "Irregularitäten", wie Dissonanzen oder Veränderungen im Rhythmus eine Bedeutung haben können, die mit dem Sinn des Liedes, wie er z.B. durch den Text ausgedrückt werden kann, in Verbindung steht und diesen unterstreicht. Das tut die (hier verwendete) KI bisher m.E. in der Tat nicht: Sie singt, so scheint es mir jedenfalls nach zahlreichen Experimenten, den Text ohne ein "Verständnis" des Inhalts vor. (Wobei "Verständnis" jetzt nicht zu tief genommen werden muss: Die derzeit übliche Art, Semantik über eine Einbettung in einen niedrigdimensionalen latent space zu repräsentieren, würde mir dafür schon genügen; dass die KI selbst keinen Liebeskummer empfindet etc., ist klar.) Deswegen muss man auch ziemlich herumprobieren, bis es passt, weil Emphasen etc. oft an völlig falsche Stellen kommen. (Z.T. werden auch Wörter falsch ausgesprochen, so dass es inhaltlich einfach keinen Sinn ergibt, z.B. das Wort "bang" in einem deutschen Text als "bäng", oder ein Name, der im Lied mehrfach vorkommt, wird plötzlich Englisch ausgesprochen etc.) Man kann da als Prompter einiges tun, weil man der Maschine für jeden Abschnitt mitteilen kann, wie er zu interpretieren ist (also: "jetzt schneller werden"), und sicherlich ist vorstellbar, dass man das verfeinern kann ("Dissonanz zwischen Bass und Stimme auf diesem Wort"). Auch könnte die KI mehr vom Text verwenden als dessen Phonetik, wodurch sich da sicherlich einiges machen ließe. Aber derzeit gebe ich dir recht: Das kann zumindest Udio wohl noch nicht.

"Gerne "

Alles klar, dann poste ich die Tage mal was!

[Pjotr]

Yep, Du hast mich korrekt verstanden :-)

Dein Projekt im menschlichen Gesamtkontext, also auch in seiner Pointe, finde ich übrigens klasse. Meine Kritik gilt nur der Maschine :-)

In der Zeile "a coward rockstar wannabe" wird ab "rockstar ..." die Stimme aggressiver. Hast Du diese Dynamik programmiert oder kommt die von der KI?

[Mnemosyne]

So, es steht (in ein paar Minuten) etwas in der internen Textecke. Ich bin gespannt!

"Dein Projekt im menschlichen Gesamtkontext, also auch in seiner Pointe, finde ich übrigens klasse."

Vielen Dank, das freut mich sehr! An englischen Liedtexten hatte ich mich bisher noch nicht so oft versucht.

"Meine Kritik gilt nur der Maschine"

Meine ja auch.

"In der Zeile "a coward rockstar wannabe" wird ab "rockstar ..." die Stimme aggressiver. Hast Du diese Dynamik programmiert oder kommt die von der KI?"

Programmiert habe ich es nicht. Ich habe unter den (sicherlich über hundert) Versionen, die ich habe generieren lassen, eine ausgewählt, bei der das so ist. Insofern könnte man sagen, dass die KI einen entsprechenden Vorschlag gemacht hat und ich ihn angenommen habe. So fein in die Dynamik eingreifen könnte man vielleicht mit der "Impaint"-Funktion, aber für die müsste man bezahlen, und der Firma möchte ich ungern Geld geben -- aus oben ausgeführtem Grund.

[Mnemosyne]

So, es steht (in ein paar Minuten) etwas in der internen Textecke. Ich bin gespannt!

"Dein Projekt im menschlichen Gesamtkontext, also auch in seiner Pointe, finde ich übrigens klasse."

Vielen Dank, das freut mich sehr! An englischen Liedtexten hatte ich mich bisher noch nicht so oft versucht.

"Meine Kritik gilt nur der Maschine"

Meine ja auch.

"In der Zeile "a coward rockstar wannabe" wird ab "rockstar ..." die Stimme aggressiver. Hast Du diese Dynamik programmiert oder kommt die von der KI?"

Programmiert habe ich es nicht. Ich habe unter den (sicherlich über hundert) Versionen, die ich habe generieren lassen, eine ausgewählt, bei der das so ist. Insofern könnte man sagen, dass die KI einen entsprechenden Vorschlag gemacht hat und ich ihn angenommen habe. So fein in die Dynamik eingreifen könnte man vielleicht mit der "Impaint"-Funktion, aber für die müsste man bezahlen, und der Firma möchte ich ungern Geld geben -- aus oben ausgeführtem Grund.

[birke]

dieser song ist witzig, eine coole idee.
ansonsten stimme ich pjotr zu. musik erzeugt, komponiert von einer KI finde ich schlicht pervers. musik lebt von ideen, von emotionen, sie ist ein ausdruck von ja, seelischem in gewisser weise. gleiches gilt für die bildende Kunst und die schriftstellerei. KI kopiert doch nur, greift auf bereits vorhandenes zurück. sie ist nicht kreativ?