Khi một câu chữ có thể trở thành âm nhạc: Ai được sáng tạo, ai được lắng nghe?

Hành Trình AI · Nhìn lại tuần 29/7–4/8/2023

Hãy tưởng tượng bạn đang dựng một video nhỏ về góc phố quen thuộc. Bạn muốn có tiếng mưa, vài tiếng bước chân và một đoạn nhạc nhẹ phía sau. Bạn có thể tìm những âm thanh có sẵn, nhờ một người làm nhạc, hoặc thử mô tả điều mình muốn bằng chữ cho một hệ thống AI.

Đó là một ví dụ giả định, không phải trải nghiệm mà mình đã thử. Nhưng vào đầu tháng 8/2023, lựa chọn cuối cùng bắt đầu có thêm một hình hài đáng chú ý. Và cùng với nó là một câu hỏi lớn hơn việc âm thanh có hay hay không: khi việc tạo nhạc trở nên dễ tiếp cận hơn, ai sẽ có tiếng nói trong cách công nghệ ấy được xây dựng và sử dụng?

Một bộ công cụ, nhiều câu hỏi

Ngày 2/8/2023, Meta giới thiệu AudioCraft, một bộ công cụ nghiên cứu về âm thanh và âm nhạc tạo sinh. Meta mô tả ba thành phần: MusicGen tạo nhạc từ mô tả bằng chữ; AudioGen tạo hiệu ứng âm thanh; EnCodec hỗ trợ biểu diễn và nén âm thanh. Reuters cũng đưa tin về thông báo ngày hôm đó.

Điều quan trọng là không nhầm thông báo này với việc mọi thành phần lần đầu xuất hiện. TechCrunch đã đưa tin về MusicGen từ tháng 6/2023. Đến tháng 8, AudioCraft tập hợp công cụ và công bố thêm mã, trọng số cùng những cải tiến mà Meta mô tả. Một thông báo mới có thể là bước tiếp theo của nghiên cứu cũ, chứ không nhất thiết là điểm khởi đầu của toàn bộ câu chuyện. [1] [2]

Ngày 3/8, VTV đưa tin bằng tiếng Việt, đồng thời nhắc đến nỗi lo bản quyền trong ngành âm nhạc. Điều đó cho thấy câu chuyện đã đến với độc giả Việt Nam. Bản tin ấy không cho biết các nhạc sĩ Việt Nam nhìn nhận công nghệ này ra sao; mình chưa có bằng chứng để đại diện cho tiếng nói của họ. [3]

“Mở” không có nghĩa là không có điều kiện

Meta muốn giới nghiên cứu và người phát triển có thể xem, sử dụng và tiếp tục xây dựng dựa trên công cụ của mình. Nhưng từ “mở” có thể che mất một chi tiết quan trọng: mã chương trình và trọng số mô hình không nhất thiết có cùng giấy phép.

Có thể hình dung mã là bản hướng dẫn để vận hành hệ thống; trọng số là những tham số được hình thành sau quá trình huấn luyện. Với MusicGen, tài liệu mô hình của Meta hiện ghi mã theo giấy phép MIT, còn trọng số theo CC BY-NC 4.0, có điều kiện sử dụng phi thương mại. TechCrunch cũng đã đưa tin về sự phân biệt này khi MusicGen được giới thiệu vào tháng 6/2023. [4] [5]

Đây không phải lời tư vấn pháp lý hay khẳng định mọi cách sử dụng một đoạn âm thanh đều được phép hoặc bị cấm. Nếu định đưa công cụ hay sản phẩm của nó vào một dự án cụ thể, người dùng cần kiểm tra điều khoản phiên bản mình dùng và quyền liên quan. Tài liệu trên mạng có thể đã thay đổi kể từ năm 2023.

Với một nhà nghiên cứu, việc có mã và mô hình để tìm hiểu có thể mở ra khả năng kiểm tra, thử nghiệm và xây dựng tiếp. Với một người muốn dùng âm thanh trong quảng cáo, câu hỏi về điều kiện sử dụng lại quan trọng không kém khả năng tạo ra âm thanh. Hai người có thể nhìn cùng một chữ “mở” và cần hai câu trả lời khác nhau.

Âm nhạc đến từ dữ liệu nào?

Theo Meta, MusicGen được huấn luyện bằng âm nhạc do Meta sở hữu hoặc được cấp phép. Thẻ mô hình nêu các nguồn gồm bộ sưu tập của Meta, Shutterstock và Pond5, cùng quy mô khoảng 20.000 giờ. Đây là mô tả của nhà phát triển; mình chưa xem các hợp đồng gốc hay xác minh độc lập từng quyền trong dữ liệu. [4]

Một bộ dữ liệu có thỏa thuận cấp phép là một cách tiếp cận đáng chú ý, nhưng chỉ mô tả ấy chưa trả lời mọi câu hỏi của người làm nhạc: ai có quyền đồng ý, điều khoản cụ thể ra sao, nghệ sĩ được trả công thế nào, và các hệ thống khác dùng dữ liệu gì? Không nên suy từ tuyên bố của Meta sang toàn bộ ngành AI âm nhạc.

Meta cũng ghi nhận những giới hạn trong thẻ mô hình: mô tả huấn luyện bằng tiếng Anh khiến hiệu quả ở ngôn ngữ khác có thể kém hơn, và kết quả không đồng đều giữa mọi phong cách hay nền văn hóa âm nhạc. [4] Với một người muốn diễn đạt ý tưởng bằng tiếng Việt, đây là lý do để đặt câu hỏi về khả năng tiếp cận và tính đại diện — không phải bằng chứng về kết quả của một phép thử tiếng Việt cụ thể. Mình chưa tự thử công cụ này.

TechCrunch nêu những băn khoăn đương thời về quyền của nghệ sĩ và nguy cơ âm thanh bị dùng để đánh lừa người nghe. Đó là những rủi ro cần xem xét, không phải kết luận rằng AudioCraft đã vi phạm quyền của một nghệ sĩ cụ thể. [2]

Sau tuần ấy, cuộc đối thoại đi tới đâu?

Ngày 21/8/2023, sau khoảng thời gian bài viết này nhìn lại, YouTube công bố các nguyên tắc về AI âm nhạc và chương trình thử nghiệm cùng những nghệ sĩ, nhạc sĩ và nhà sản xuất, bắt đầu với Universal Music Group. Công ty nói muốn kết hợp cơ hội của AI với các biện pháp bảo vệ phù hợp. Đây là một tuyên bố và chương trình được công bố, không phải bằng chứng rằng vấn đề quyền lợi hay tiền công đã được giải quyết. [6]

Vài tháng sau, trong báo cáo tháng 12/2023 tóm tắt một cuộc thảo luận tháng 10, nhân viên Ủy ban Thương mại Liên bang Mỹ cho biết một số người làm sáng tạo nhìn thấy ích lợi của AI, đồng thời lo tác phẩm bị thu thập để huấn luyện mà họ không biết hoặc không đồng ý. Những người tham gia không đại diện cho mọi nghệ sĩ, và ý kiến của họ không phải kết luận về riêng AudioCraft. [7]

Hai mốc sau đó không giải quyết tranh luận bắt đầu trước tháng 8. Chúng cho thấy công nghệ và các cuộc thương lượng về quyền, sự lựa chọn và giá trị công việc đang cùng tiến lên.

Trở lại video giả định ở đầu bài: có thêm một cách tạo nhạc có thể đem lại niềm vui và mở cửa thử nghiệm cho nhiều người. Nhưng nếu muốn âm nhạc do AI hỗ trợ phát triển bền vững, ta cũng cần lắng nghe những người có âm nhạc, giọng hát và sinh kế nằm trong câu chuyện ấy.

Tài liệu tham khảo

1. Meta — Introducing AudioCraft, 2/8/2023; thông báo của nhà phát triển.
2. TechCrunch — Meta open sources framework for generating sounds and music, 2/8/2023; báo chí độc lập.
3. VTV — Meta ra mắt công cụ AI tạo nhạc theo yêu cầu, 3/8/2023; tin tiếng Việt, có chi tiết kỹ thuật cần đối chiếu nguồn gốc.
4. Meta — MusicGen Model Card, tài liệu hiện truy cập, có thể đã cập nhật sau năm 2023.
5. TechCrunch — Meta open sources an AI-powered music generator, 12/6/2023; bối cảnh trước kỳ.
6. YouTube — Our principles for partnering with the music industry on AI technology, 21/8/2023; thông báo sau kỳ.
7. FTC — Staff report on AI and creative fields panel, tháng 12/2023, về tọa đàm tháng 10; sau kỳ.