Hvem har egentlig lavet den her sang?

Det er blevet overraskende svært at svare på et meget gammelt spørgsmål:

Hvem har egentlig lavet den her sang?

Spotify er begyndt at sætte et AI Persona-mærke på kunstnerprofiler, hvor den offentlige identitet er en fotorealistisk AI-skabt person. Samtidig har Suno lanceret v6, en ny generation af AI-musikværktøjer, hvor man ikke længere bare beder om “en sørgelig popsang” og håber på det bedste. Man kan redigere enkelte dele, flytte vokaler, ændre tekstlinjer, blande kilder og forme resultatet langt mere præcist.

De to ting hænger ikke direkte sammen. Spotify og Suno har ikke lanceret ét fælles system. Men de rammer det samme problem fra hver sin side: Når en artist kan være kunstig, og en sang kan være halvt menneske, halvt model og tre prompts ovenpå, hvad skal vi så egentlig have at vide, før vi trykker play?

Spotifys nye mærke er et forsøg på at rydde op i den første del.

Hvis en kunstnerprofil ligner et menneske, men personen ikke findes, kan Spotify nu markere profilen som en AI Persona. Det kan ske, fordi kunstneren selv oplyser det, eller fordi Spotify efter en gennemgang vurderer, at profilen fremstiller en AI-genereret, fotorealistisk identitet som en rigtig person.

Det er egentlig meget rimeligt.

Hvis jeg følger en sanger, fordi jeg tror, hun er et menneske med et liv, et ansigt og en historie, er det ikke en ligegyldig detalje, hvis hun i virkeligheden er en billedmodel med et Spotify-login.

Men mærket fortæller kun, hvem vi ser.

Ikke hvem der har lavet musikken.

En AI Persona kan ifølge Spotify udgive musik, der er fuldt menneskeskabt, fuldt AI-genereret eller en blanding. Det er næsten komisk moderne: Vi har fået ID-kort til ansigtet, men stadig ikke nødvendigvis nogen særlig god forklaring på, hvad der foregik i studiet.

Spotify har derfor også AI Credits. Her kan kunstnere oplyse, om AI har været brugt til for eksempel tekst, vokal, instrumental eller produktion. Funktionen er stadig i beta og bygger på oplysninger, der bliver sendt ind gennem deltagende distributører.

Det er en vigtig detalje.

Manglende AI-kreditering betyder ikke, at sangen nødvendigvis er AI-fri. Det betyder bare, at der ikke står en kreditering.

Så vi er allerede et mærkeligt sted: Platformen kan være ret sikker på, at et ansigt ikke findes, men langt mindre sikker på, hvor meget af en sang der gør.

Og så kommer Suno v6 ind fra siden og gør spørgsmålet endnu mere besværligt.

De tidlige AI-musikværktøjer var nemme at karikere. Man skrev noget i retning af “lav en dansk radiosang om skilsmisse med akustisk guitar”, trykkede på en knap og modtog et nummer tilbage. Kreativiteten lå selvfølgelig stadig i valgene før og efter, men arbejdsdelingen var nem at forstå: Mennesket bad. Maskinen lavede.

V6 gør den opdeling mere mudret.

Suno giver nu brugeren mulighed for at ændre en enkelt sektion uden at bygge hele sangen om, udskifte én tekstlinje, kombinere elementer fra flere kilder, isolere et instrument fra et sample og bygge videre på det eller bruge tekst, lyd, billeder og video som startpunkt.

Det begynder at ligne mindre en automat, der afleverer en færdig sang, og mere et mærkeligt nyt studieinstrument.

Og det er dér, jeg synes, diskussionen om AI-musik bliver interessant.

For hvis en person bruger tre timer på at ændre arrangementet, skrive teksten om, forkaste 40 generationer, flytte omkvædet, isolere guitaren og bygge en ny rytme under den, er det svært bare at pege på resultatet og sige: “Maskinen lavede den.”

Men det er lige så svært at lade som om modellen bare er endnu en guitarpedal.

Den har allerede lært noget af musik, som andre mennesker har skabt.

Suno siger, at v6 er udviklet med licenserede data og i samarbejde med blandt andre Warner Music Group, BMG og Believe, og at den nye model ikke er trænet på de samme data som tidligere Suno-modeller. Det er et ret markant kursskifte for en virksomhed, der har været centrum for en af musikbranchens største konflikter om AI-træning.

Men konflikten er ikke forsvundet.

Sony Music og Universal Music Group har fortsat copyright-sager mod Suno og indgav i september endnu en klage om v6. De hævder blandt andet, at den nye model stadig bygger videre på output fra tidligere modeller og derfor ikke bare kan betragtes som en ren start. Suno afviser de overordnede anklager om ulovlig brug og fastholder, at deres værktøjer er bygget til at skabe ny musik.

Derudover har musikere som Jason Isbell og David Lowery sagsøgt Suno med påstande om, at platformen kan efterligne kunstneres musikalske identitet uden samtykke. Suno bestrider også de krav.

Det er fristende at gøre hele diskussionen moralsk meget enkel.

Mennesker gode. AI dårligt.

Det holder bare ikke særlig længe.

En musiker kan bruge AI nysgerrigt, præcist og kreativt. En fuldstændig menneskeskabt popsingle kan samtidig være resultatet af 14 sangskrivere, et sample, pitch correction, stemmebehandling og et marketingmøde, hvor ingen i lokalet hedder det samme som kunstneren på coveret.

Autenticitet har aldrig været så ren, som musikbranchen gerne vil sælge den.

Men AI gør forskellen mellem illusion og information vigtigere.

Jeg behøver ikke nødvendigvis have noget imod at høre en AI-skabt sang. Jeg vil bare gerne vide, hvad jeg lytter til.

Hvis stemmen ikke tilhører et menneske, er det relevant. Hvis teksten er genereret, er det relevant. Hvis en rigtig kunstner har brugt AI som værktøj i en længere kreativ proces, er dét også relevant. Ikke fordi ét af svarene automatisk gør sangen god eller dårlig, men fordi ophav stadig betyder noget for den måde, vi oplever kunst på.

Spotify har derfor fat i noget rigtigt med sine mærker og krediteringer.

Problemet er bare, at vi stadig forsøger at løse et meget flydende spørgsmål med små faste etiketter.

Konklusion uden konklusion

Det mest interessante ved AI-musik er måske ikke længere, om en computer “kan lave en sang”. Det kan den. Spørgsmålet er, hvor mennesket begynder, hvor modellen slutter, og om vi som lyttere får lov til at se forskellen.

Et lille AI-mærke kan fortælle os, at kunstneren på billedet ikke findes. Det sværere, og langt vigtigere, bliver at fortælle os, hvem der faktisk var til stede, da musikken blev til.