Tác giả: Trí Âm Brook Link bài viết gốc: https://mp.weixin.qq.com/s/Sp69WVTjMf1LL_JxOqX2ZQ Lưu ý: Một số thông tin trong bài viết có video minh họa, nếu muốn xem vui lòng truy cập bài viết gốc ở trên
Điểm nhanh tin tức âm nhạc AI tuần này Quy chuẩn ngành Sony Music yêu cầu các nền tảng gỡ bỏ hơn 260.000 ca khúc AI nhái giọng Kẻ chủ mưu vụ gian lận cày lượt nghe nhạc AI đầu tiên lĩnh án 18 tháng tù, bị tuyên tịch thu hơn 8 triệu USD tiền bản quyền Artificial Analysis phát hành benchmark đánh giá âm nhạc v1.1: Cập nhật chấm điểm mù đôi, Suno thâu tóm hai vị trí đầu trên cả hai bảng xếp hạng Sản phẩm & Công nghệ Mureka ra mắt tính năng Remix hoàn toàn mới, hỗ trợ sáng tác phái sinh từ bản hát mộc (a cappella) và demo mộc Google Flow Music mở rộng hệ sinh thái sản xuất: Spaces kết nối với DAW chuyên nghiệp, chính thức có mặt trên Google Play Cập nhật gần đây của Suno: Hỗ trợ tính năng phát hành album, tối ưu hóa chi tiết tương tác trong Suno Studio Tin tức thương mại Suno mở rộng sang mảng live music: Bổ nhiệm cựu lãnh đạo Ticketmaster phụ trách hệ sinh thái Songkick Paper chọn lọc Bài báo khoa học nổi bật tuần này (5 bài) | Bao gồm biến dạng âm thanh có thể chơi được, suy luận sâu tự thích ứng âm thanh, bộ tổng hợp có thể chỉnh sửa, bộ tổng hợp thần kinh dạng streaming, đánh giá bằng trọng tài ngôn ngữ âm thanh
Quy chuẩn ngành
Sony Music yêu cầu các nền tảng gỡ bỏ hơn 260.000 ca khúc AI nhái giọng
Ngày 5 tháng 10, theo Financial Times đưa tin, tính đến cuối tháng 9, Sony Music Group (SME) đã gửi tổng cộng hơn 260.000 thông báo gỡ bỏ tới các nền tảng streaming lớn, yêu cầu dọn sạch các bài hát deepfake AI vi phạm quyền lợi của các nghệ sĩ trực thuộc. Con số này gần như tăng gấp đôi so với 135.000 thông báo vào cuối tháng 3 năm nay.
Trong quý 2 và quý 3, Sony gửi trung bình hơn 20.000 thông báo gỡ bỏ mỗi tháng, cho thấy việc thuật toán nhân bản giọng hát của các ca sĩ nổi tiếng như Adele, Harry Styles và Michael Jackson đã lan rộng trên quy mô lớn.
Sony Music thẳng thắn chia sẻ rằng việc bảo vệ quyền lợi hiện tại đã biến thành một "cuộc chiến giằng co" vô cùng tốn kém. Những kẻ vi phạm không chỉ nhân bản trái phép giọng hát và hình ảnh của ca sĩ, mà còn thường giả mạo metadata để liên kết bài hát trực tiếp vào trang chính thức của ca sĩ nhằm đánh lừa người nghe, đồng thời kết hợp với các "trại cày stream" (Streaming farms) để tạo lượt nghe giả, từ đó bòn rút tiền từ quỹ bản quyền của các nhà sáng tạo chân chính. Ước tính từ ngành công nghiệp cho thấy, âm thanh giả mạo và hành vi cày stream ảo gây thất thoát tới 2,2 tỷ USD tiền bản quyền mỗi năm cho ngành công nghiệp thu âm.
Nhằm đối phó với việc các nhóm vi phạm liên tục thay đổi đơn vị phân phối trung gian để né tránh quy trình kiểm duyệt của nền tảng, ngành công nghiệp hiện đang siết chặt phòng tuyến thông qua hàng loạt giải pháp kỹ thuật và quản lý:
- Nhận dạng đặc trưng âm học khi tải lên kho : So sánh vân âm học với các model giọng nói đã biết trong giai đoạn tải nhạc lên, chặn đứng các tệp âm thanh nhân bản giọng hát trái phép ngay từ nguồn.
- Xác thực và liên kết trang nghệ sĩ : Triển khai cơ chế bảo vệ tương tự Profile Protection, yêu cầu các ca khúc mới tải lên phải được đội ngũ của nghệ sĩ xác nhận trước khi gắn vào trang chính thức.
- Giám sát lưu lượng bất thường và chặn quyết toán : Phát hiện script phát bất thường theo thời gian thực, kịp thời đóng băng quyết toán doanh thu của các bản âm thanh nghi vấn cày lượt nghe, ngăn chặn lượt phát giả mạo làm loãng tiền bản quyền hợp pháp.
- Đối soát liên kết đặc trưng đa nền tảng : Chia sẻ mã hash đặc trưng của các tệp âm thanh vi phạm giữa các nền tảng streaming lớn, ngăn chặn nội dung vi phạm sau khi bị một nền tảng gỡ bỏ lại tiếp tục xuất hiện trở lại qua các kênh khác.
Một nút thắt lớn trong việc bảo vệ bản quyền ở giai đoạn hiện tại nằm ở độ trễ của pháp luật: Luật bản quyền hiện hành vẫn chưa đưa rõ ràng "đặc trưng âm sắc" vào đối tượng được bảo hộ bản quyền theo luật định, dẫn đến việc một số nền tảng phản hồi khá chậm chạp khi xử lý khiếu nại. Vì vậy, các tổ chức âm nhạc đại diện là Sony đang dốc toàn lực thúc đẩy tiến trình lập pháp của Đạo luật Chống Giả mạo (NO FAKES Act) tại Hoa Kỳ.
Dự luật này đã được Ủy ban Tư pháp Thượng viện thông qua với số phiếu tuyệt đối vào tháng 6 năm 2026, nhằm xác lập rõ ràng quyền hợp pháp đối với giọng nói và hình ảnh của cá nhân ở cấp liên bang. Nếu dự luật chính thức có hiệu lực, quyền miễn trừ trách nhiệm của các nền tảng đối với nội dung bản sao kỹ thuật số không được cấp phép sẽ bị hạn chế nghiêm ngặt, đồng thời bên nắm giữ quyền cũng sẽ nhận được sự hỗ trợ trực tiếp hơn để nhanh chóng gỡ bỏ nội dung và truy cứu trách nhiệm.
Kẻ chủ mưu vụ gian lận cày lượt nghe nhạc AI đầu tiên lĩnh án 18 tháng tù, bị tuyên tịch thu hơn 8 triệu USD tiền bản quyền
Ngày 7 tháng 10, Tòa án Quận phía Nam New York (Hoa Kỳ) đã ra phán quyết về vụ án lừa đảo cày stream nhạc AI đầu tiên tại Mỹ với số tiền liên quan vượt quá 8 triệu USD. Kẻ chủ mưu Michael Smith bị kết án 18 tháng tù vì tội âm mưu gian lận đường truyền viễn thông và bị buộc phải nộp lại toàn bộ số tiền thu lợi bất chính. Phán quyết này đã thay đổi mô hình xử lý trước đây vốn chủ yếu phụ thuộc vào việc nền tảng khóa tài khoản và gỡ bỏ dân sự, trở thành án lệ đầu tiên truy cứu trách nhiệm hình sự đối với hành vi trục lợi từ việc tự động cày lượt nghe và rửa nhạc.
Cáo trạng của bên công tố đã vạch trần thủ đoạn phạm tội của đối tượng: Bị cáo đã sử dụng các công cụ AI để tạo hàng loạt hàng trăm nghìn đoạn âm thanh ngắn, tải lên các nền tảng streaming lớn thông qua các kênh phân phối của bên thứ ba, đồng thời kiểm soát tới 10.000 tài khoản bot tự động để thực hiện hàng tỷ lượt phát giả mạo cho các bản âm thanh này. Do các nền tảng streaming phổ biến từ lâu đã áp dụng mô hình phân chia tiền bản quyền "theo tỷ lệ chia sẻ" (Pro-rata), hành vi cày stream quy mô lớn nhằm lách ngưỡng kiểm soát rủi ro của nền tảng này đã trực tiếp bòn rút tiền bản quyền hợp pháp vốn thuộc về các tác giả thực thụ và các hãng đĩa.
Thẩm phán chủ tọa John G. Koeltl phát biểu khi tuyên án rằng, mặc dù mức án 18 tháng tù thấp hơn mức từ 46 tháng trở lên do bên công tố đề nghị, nhưng tòa án không chấp nhận yêu cầu hưởng án treo của bên bào chữa và buộc tịch thu toàn bộ khoản thu nhập do phạm tội mà có theo luật định. Các tổ chức như Liên đoàn Công nghiệp Ghi âm Quốc tế (IFPI) chỉ ra rằng, phán quyết của vụ án này có ý nghĩa răn đe mạnh mẽ đối với các hành vi sử dụng công cụ tự động để trục lợi từ stream ảo, đồng thời sẽ thúc đẩy ngành công nghiệp streaming tăng cường hơn nữa việc chủ động chặn lọc tuân thủ ngay từ đầu.
Artificial Analysis phát hành benchmark đánh giá âm nhạc v1.1: Cập nhật chấm điểm mù đôi, Suno thâu tóm hai vị trí đầu trên cả hai bảng xếp hạng
(Xem video so sánh trong bài viết gốc)
Ngày 8 tháng 10, tổ chức đánh giá AI Artificial Analysis đã chính thức ra mắt phiên bản mới của benchmark đánh giá âm nhạc AA-Music-Vocal v1.1 và AA-Music-Instrumental v1.1 . Phiên bản v1.1 lần này đã cập nhật toàn diện dataset đánh giá, bao gồm 17 phong cách âm nhạc như cổ điển, jazz blues, EDM, heavy metal và reggae, chứa 1.000 prompt được tuyển chọn kỹ lưỡng (mỗi benchmark thanh nhạc và khí nhạc gồm 500 prompt). Benchmark mới tập trung khảo sát khả năng của model tạo sinh trong việc tái hiện những thăng trầm của cấu trúc bài hát cùng các chi tiết âm học; tất cả các mẫu âm thanh đều được hội đồng giám khảo con người chấm điểm thông qua so sánh mù đôi.
Dựa trên dữ liệu bảng xếp hạng mới nhất được công bố, thành tích của các bên như sau:
- Suno thâu tóm hai vị trí dẫn đầu ở cả bảng thanh nhạc và khí nhạc : Model flagship Suno v6 đứng vị trí thứ 1 trên cả bảng thanh nhạc và khí nhạc, phiên bản rút gọn Suno v6-mini bám sát ngay phía sau ở vị trí thứ 2 trên cả hai bảng, tiếp tục duy trì ưu thế rõ rệt về cảm giác nghe tổng thể và khả năng tạo cấu trúc bài hát.
- Điểm số của Mureka tăng rõ rệt : Mureka V9.5 vươn lên vị trí thứ 3 trên bảng thanh nhạc, tăng 51 điểm Elo so với V9, lập kỷ lục về mức tăng lớn nhất qua các phiên bản của dòng sản phẩm này; trên bảng khí nhạc thuần túy, khoảng cách điểm giữa Mureka (V9, V9.5) và dòng Lyria của Google DeepMind (Lyria 3 Pro, Lyria 3.5) đều nằm trong vòng 5 điểm Elo, phân bố tập trung từ vị trí thứ 3 đến thứ 6.
- Nhóm model trọng số mã nguồn mở : MiniMax Music 3.0 dẫn đầu về điểm số trong số các model mã nguồn mở, lần lượt xếp thứ 11 trên bảng thanh nhạc và thứ 13 trên bảng khí nhạc; Stable Audio 3 Medium ở phương diện thuần nhạc cụ chỉ kém MiniMax vỏn vẹn 3 điểm Elo.
Lưu ý: Model mã nguồn mở YuE2 nhận được nhiều sự quan tâm từ cộng đồng gần đây vẫn chưa được đưa vào mẫu đánh giá đợt này.
Truy cập bảng xếp hạng:
- Bảng thanh nhạc (Vocals): https://artificialanalysis.ai/music/leaderboard/vocals
- Bảng thuần khí nhạc (Instrumental): https://artificialanalysis.ai/music/leaderboard/instrumental
Sản phẩm & Công nghệ
Mureka ra mắt tính năng Remix hoàn toàn mới, hỗ trợ sáng tác phái sinh từ bản hát mộc và demo mộc
(Xem video trong bài viết gốc)
Ngày 10 tháng 10, Mureka đã cập nhật module mix nhạc, chính thức ra mắt tính năng Remix hoàn toàn mới. Phiên bản mới mở rộng hơn nữa các loại tư liệu âm thanh được hỗ trợ, đồng thời tối ưu hóa có định hướng về chất lượng giọng hát, độ trung thực của giai điệu và khả năng kiểm soát chi tiết.
Trọng tâm của bản cập nhật lần này chủ yếu thể hiện ở ba khía cạnh sau:
- Hỗ trợ nhiều loại tư liệu hơn : Ngoài âm thanh thông thường, nền tảng mở rộng hỗ trợ nhập bản hát mộc (A cappella), bản demo mộc đơn giản cũng như nhạc nền thuần khí nhạc (Instrumentals), giúp các nhạc sĩ dễ dàng triển khai sáng tác phái sinh trực tiếp dựa trên tư liệu bản thảo ban đầu.
- Tối ưu hóa chất giọng và độ bám sát giai điệu : Giảm thiểu hiện tượng giọng nghe nặng tính tổng hợp điện tử và lệch tông vốn thường gặp khi remix trước đây, chuyển hướng giai điệu tự nhiên hơn, độ phân tầng và độ trong trẻo của bản mix tổng thể cũng được cải thiện rõ rệt.
- Hỗ trợ tinh chỉnh sâu cấu trúc và phối khí : Trong quá trình sáng tác phái sinh, người dùng có thể tự do chỉnh sửa nội dung lời bài hát, chuyển đổi phong cách nhạc, chỉ định nhạc cụ chủ đạo và tùy ý điều chỉnh các đoạn cấu trúc như verse và chorus, không còn bị giới hạn trong việc áp dụng máy móc các bộ lọc phong cách đơn thuần.
Thông qua lần điều chỉnh này, chế độ Remix đang từng bước phát triển từ việc chuyển đổi phong cách đơn giản thành một công cụ tái cấu trúc cho phép can thiệp sâu vào chi tiết, giúp các nhà sáng tạo phát triển những đoạn ngân nga đơn giản hay bản thu âm thử thành những tác phẩm âm nhạc có cấu trúc hoàn chỉnh một cách hiệu quả hơn.
Truy cập đường dẫn: https://www.mureka.ai/create
Google Flow Music mở rộng hệ sinh thái sản xuất: Spaces kết nối với DAW chuyên nghiệp, chính thức có mặt trên Google Play
Đầu tháng 10, Google Flow Music đã liên tiếp tung ra hai bản cập nhật quan trọng dành cho workflow hòa âm phối khí chuyên nghiệp và sáng tạo trên thiết bị di động: Bổ sung tính năng xuất plugin để kết nối với phần mềm DAW trên máy tính để bàn, đồng thời chính thức ra mắt ứng dụng Android.
Các điểm cập nhật cụ thể như sau:
- Spaces kết nối với DAW trên máy tính để bàn : Ngày 7 tháng 10, Flow Music đã ra mắt tính năng xuất plugin trong module The Producer. "Space" do người sáng tạo xây dựng giờ đây có thể xuất trực tiếp thành plugin âm thanh định dạng VST3 và AU, bước đầu tương thích với hệ điều hành macOS. Các nhạc sĩ có thể tải trực tiếp nhạc cụ ảo và bộ hiệu ứng âm thanh tùy chỉnh do nền tảng tạo ra vào các DAW phổ biến như Logic Pro, Ableton Live để sử dụng, giúp tích lũy tài sản âm sắc AI vào workflow phối khí chuyên nghiệp sẵn có.
- Ứng dụng Android chính thức ra mắt : Ngày 9 tháng 10, Google Flow Music đã chính thức có mặt trên cửa hàng Google Play. Phiên bản di động hỗ trợ đồng bộ hóa project xuyên thiết bị, giúp người sáng tạo dễ dàng mở các bản nháp chưa hoàn thành mọi lúc mọi nơi trong các tình huống di động, hoặc duyệt và nghe thử các tác phẩm trong cộng đồng. Ngoài ra, phiên bản di động vẫn giữ lại trọn vẹn khả năng tạo sinh cốt lõi, hỗ trợ tạo bài hát từ văn bản, sản xuất video âm nhạc (MV) đi kèm, cũng như tùy chỉnh âm sắc nhạc cụ riêng thông qua chỉ dẫn cảm xúc (Vibe Coding).
Sau khi hai bản cập nhật này được triển khai thực tế, Flow Music đang từng bước chuyển đổi từ một trang web tạo nhạc độc lập đơn thuần sang một chu trình sáng tạo khép kín, kết hợp hài hòa giữa "bắt trọn cảm hứng trên di động" và "phối trộn chuyên nghiệp trên máy tính để bàn".
Đường dẫn trực tiếp:
Tạo plugin âm thanh: https://www.flowmusic.app/library/plugins
Tải về cho Android: https://play.google.com/store/apps/details?id=com.google.android.apps.labs.reuben
Cập nhật gần đây của Suno: Hỗ trợ tính năng phát hành album, tối ưu hóa chi tiết tương tác trong Suno Studio
Đầu tháng 10, Suno đã liên tiếp ra mắt hai bản cập nhật tính năng nhằm vào hình thức hiển thị tác phẩm và trải nghiệm sáng tác trên workstation tích hợp sẵn:
- Chính thức ra mắt tính năng phát hành "Album" (Albums)
Ngày 6 tháng 10, Suno chính thức mở cơ chế phát hành album. Các nhà sáng tạo không còn bị giới hạn ở việc ra mắt từng đĩa đơn đơn lẻ, mà có thể tập hợp chuỗi tác phẩm thành một EP (mini album) hoặc LP (album phòng thu đầy đủ) hoàn chỉnh. Tính năng này hỗ trợ tạo album mới hoàn toàn, đồng thời cho phép nhà sáng tạo chọn trực tiếp các bài hát từ danh sách phát hiện có để gom lại. Người dùng chỉ cần truy cập vào mục “Albums” trong thư viện cá nhân (Library), nhấn “+ New Album” và bổ sung ảnh bìa cùng thông tin chi tiết là có thể hoàn tất việc đóng gói và hiển thị toàn bộ album.
- Tối ưu hóa chi tiết tương tác của workstation tích hợp Suno Studio
Ngày 9 tháng 10, workstation chuyên nghiệp Suno Studio dành cho người dùng gói Premier của Suno đã đón nhận hàng loạt tối ưu hóa cho các thao tác tần suất cao, tập trung nâng cao độ mượt mà khi sắp xếp timeline và chỉnh sửa đa track:
- Tối ưu hóa nhận diện và căn chỉnh nhịp : Cải thiện khả năng phát hiện tiết tấu của các đoạn âm thanh; ngay cả với vocal acapella có nhịp điệu biến động lớn, hệ thống vẫn bắt chuẩn xác các điểm transient beat, giảm bớt sự phiền toái khi phải căn chỉnh lưới (grid) thủ công.
- Kéo giãn thay đổi tốc độ nhanh (Clip Stretching) : Hỗ trợ sử dụng tổ hợp “Shift + nhấp và kéo” để kéo giãn hoặc nén thời gian của đoạn âm thanh trực tiếp, giúp tư liệu nhanh chóng khớp với tốc độ BPM của dự án hiện tại.
- Tự do điều chỉnh đường cong fade in/out : Hỗ trợ kéo thả các node để điều chỉnh độ cong của đường fade (hỗ trợ dạng logarit hoặc số mũ), giúp chuyển tiếp âm lượng mượt mà và tinh tế hơn.
- Cửa sổ nổi độc lập (Pop-out Windows) : Bộ tổng hợp wavetable, bàn phím ảo cùng giao diện các plugin đều có thể mở độc lập thành cửa sổ nổi chỉ bằng một cú nhấp, thuận tiện kéo sang màn hình phụ, phù hợp hơn với workflow nhiều màn hình máy tính để bàn.
Đường dẫn trực tiếp:
Tính năng Album: https://suno.com/me/albums
Suno Studio: https://suno.com/studio
Tin tức thương mại
Suno lấn sân sang mảng live music: Bổ nhiệm cựu lãnh đạo Ticketmaster phụ trách hệ sinh thái Songkick
Ngày 8 tháng 10, nền tảng âm nhạc AI Suno tuyên bố bổ nhiệm Michael Chua, cựu Phó chủ tịch Hợp tác Chiến lược Toàn cầu của Ticketmaster, giữ chức Phó chủ tịch kiêm Tổng giám đốc của Suno Live Experiences, toàn quyền phụ trách mảng kinh doanh live music bao gồm nền tảng khám phá sự kiện biểu diễn Songkick. Việc bổ nhiệm nhân sự này cho thấy Suno đang nỗ lực mở rộng hệ sinh thái của mình từ việc chỉ tạo âm thanh trực tuyến và phân phối qua streaming kỹ thuật số sang lĩnh vực biểu diễn trực tiếp và trải nghiệm người hâm mộ tại hiện trường.
Về mặt hiệp đồng kinh doanh, Suno dự định tận dụng cơ sở dữ liệu biểu diễn và mạng lưới người hâm mộ tích lũy từ thương vụ mua lại Songkick trước đó để từng bước kết nối các công cụ sáng tạo trực tuyến với cơ chế khám phá sự kiện biểu diễn ngoại tuyến. Cụ thể, đội ngũ đang thử nghiệm kết hợp các tác phẩm tạo bởi AI có độ phổ biến cao trên nền tảng, các sản phẩm phái sinh dạng đĩa than vật lý (Suno Vinyl) với luồng thông tin biểu diễn ngoại tuyến, nhằm khai phá một lộ trình khả thi giúp các nhà sáng tạo và tác phẩm âm nhạc AI có thể bước từ “sản xuất trực tuyến” sang “biểu diễn ngoại tuyến và quảng bá bán vé”.
Về quy mô và tài chính, vào tháng 6 năm 2026, Suno đã hoàn tất vòng gọi vốn hơn 400 triệu USD với mức định giá 5,4 tỷ USD; hiện tại nền tảng đã tích lũy hơn 100 triệu người dùng đăng ký. Từ việc ra mắt dịch vụ tùy chỉnh đĩa than, cửa hàng chính thức cho đến việc lấn sân sang live music hiện nay, Suno đang nhanh chóng thử nghiệm các kênh kiếm tiền đa dạng; tuy nhiên, do các vụ kiện bản quyền giữa công ty với các ông lớn ngành thu âm như Universal Music, Sony Music vẫn đang trong quá trình xét xử, những bước đi thương mại hóa mới này trong quá trình triển khai thực tế sẽ tiếp tục đối mặt với thử thách kép: ranh giới tuân thủ bản quyền và cuộc giằng co với ngành công nghiệp âm nhạc truyền thống.
Paper chọn lọc
Dưới đây là 5 bài báo khoa học chọn lọc từ ngày 6 tháng 10 đến ngày 12 tháng 10, mời bạn đón đọc
Smorph: Biến đổi âm thanh có thể chơi được dựa trên diffusion model
Tác giả : Annie Chu, Hugo Flores García, Johannes Imort, Oriol Nieto, Bryan Pardo, Jordan Rudess, Prem Seetharaman, Justin Salamon
Tóm tắt : Biến đổi âm thanh (Sound Morphing, tức tạo ra âm thanh trung gian chuyển tiếp mượt mà giữa hai đặc tính âm học khác nhau) là một công cụ cực kỳ mạnh mẽ trong thiết kế âm thanh âm nhạc. Tuy nhiên, các phương pháp morphing dựa trên diffusion model hiện nay thường gắn chặt cấu trúc thời gian với đặc trưng âm sắc, thiếu cơ chế cố định một bên trong khi biến đổi bên còn lại. Nhằm giải quyết vấn đề này, chúng tôi đề xuất smorph, một framework dẫn đường không cần huấn luyện (Training-Free), có khả năng thay đổi "bản chất" âm thanh là gì (thuộc tính âm sắc) mà vẫn bảo toàn trọn vẹn hành vi biến đổi theo thời gian của âm thanh (cấu trúc thời gian), chẳng hạn như cho phép người dùng biến đổi âm sắc từ nhạc cụ bộ đồng sang nhạc cụ bộ dây ở cao độ cố định. Chúng tôi trình bày ba chế độ morphing: prompt-to-prompt, Audio-to-prompt và Audio-to-Audio. Đánh giá trên nhiều dataset cho thấy smorph có thể tạo ra các quỹ đạo biến đổi mượt mà một cách hiệu quả, nâng cao đáng kể khả năng bảo toàn cấu trúc thời gian và đặc tính âm thanh nguồn so với các baseline model (mặc dù trong một số thiết lập, sự chuyển đổi sang âm thanh mục tiêu còn tương đối dè dặt). Trong một nghiên cứu tình huống mang tính khám phá, các nhạc sĩ nhận định rằng quỹ đạo morphing do smorph tạo ra vừa giàu sức biểu cảm vừa có thể chơi được (Playable), cho thấy cơ chế neo cấu trúc (Structural Anchoring) có thể đóng vai trò là một điều kiện ràng buộc vô cùng hiệu quả trong tương tác nhạc cụ.
bài báo : https://arxiv.org/abs/2610.06478
AdaLoop: Suy luận tiềm ẩn với độ sâu thích ứng cho audio language model
Tác giả : Lee Seung-woo, Bowen Qi
Tóm tắt : Các audio language model quy mô lớn có thể trả lời nhiều câu hỏi khác nhau về giọng nói, âm thanh và âm nhạc, nhưng độ chính xác thường sụt giảm nghiêm trọng trong các nhiệm vụ đòi hỏi phân tích âm học dạng hạt mịn. Ví dụ, việc xác định ai trong hai người nói có cao độ cao hơn đòi hỏi quá trình suy luận cấp tín hiệu mang tính lặp lại—điều không cần thiết đối với các câu hỏi hiểu nội dung thông thường—nhưng các model hiện nay lại phân bổ độ sâu tính toán như nhau cho cả hai loại tác vụ. Nhằm giải quyết vấn đề này, chúng tôi đề xuất AdaLoop, một module tuần hoàn (Recurrent Module) gọn nhẹ có thể tự học số bước biểu diễn tinh chỉnh tiềm ẩn cần thiết cho một cặp "âm thanh - câu hỏi" bất kỳ. Dưới sự dẫn dắt của câu hỏi, các khối Transformer dùng chung sẽ lặp lại trên biểu diễn âm thanh, đồng thời tận dụng cơ chế dừng có thể học được (Halting Mechanism) để tự thích ứng thoát khỏi vòng lặp khi quá trình tinh chỉnh biểu diễn hoàn tất. AdaLoop chỉ làm tăng chưa đến 3% lượng tham số của model nền tảng và có thể cắm là chạy (plug-and-play) vào bất kỳ sự kết hợp "audio encoder - model ngôn ngữ" nào mà không cần chỉnh sửa bất kỳ thành phần gốc nào. Đánh giá trên ba model kiến trúc khác nhau bao gồm MMSU, MMAU-Pro và MMAR cho thấy AdaLoop giúp tăng độ chính xác trung bình từ 2,9 đến 3,8 điểm phần trăm, trong đó đạt mức cải thiện rõ rệt nhất ở các bài kiểm tra âm học nặng về tri giác, chứng minh model đã học thành công cách kích hoạt mức độ suy luận sâu hơn trong các tác vụ phức tạp.
bài báo : https://arxiv.org/abs/2610.06949
AutoSynth: Học cách tạo synthesizer program có thể chỉnh sửa từ âm thanh và văn bản
Tác giả : Tristan Wu, Daniel Chin, Liwei Lin, Junan Zhang, Gus Xia
Tóm tắt : Các model tạo âm thanh hiện nay có thể chuyển đổi mô tả bằng ngôn ngữ tự nhiên thành âm thanh, nhưng đầu ra thường là dạng sóng âm thanh liên tục. Dạng thức này không chỉ bị giới hạn chất lượng do nén âm thanh, mà còn không hỗ trợ chỉnh sửa trực tiếp các nốt nhạc, tham số âm sắc hay quan hệ điều chế. Chúng tôi đề xuất AutoSynth, biểu diễn thống nhất các sự kiện biểu diễn MIDI, tham số synthesizer cố định và định tuyến điều chế có độ dài biến đổi thành chuỗi chuyên dụng cho synthesizer, đồng thời học các mối phụ thuộc giữa chúng thông qua model tự hồi quy có điều kiện âm thanh. Một model duy nhất có thể đảm nhiệm cùng lúc hai tác vụ: khi nhận âm thanh tham chiếu, model sẽ đảo ngược và dự đoán trực tiếp synthesizer program tương ứng; khi nhận văn bản, model sẽ tận dụng model tạo âm thanh đã được huấn luyện trước và tiếp tục chuyển đổi âm thanh được tạo thành synthesizer program. Quá trình huấn luyện gồm hai giai đoạn: đầu tiên là học có giám sát trên các cặp "âm thanh - chương trình" quy mô lớn được tự động xây dựng từ một số lượng nhỏ preset gốc; tiếp theo là thực hiện tối ưu hóa chính sách tương đối theo nhóm (GRPO), kết hợp fine-tune với phần thưởng hỗn hợp gồm độ tương đồng ngữ nghĩa, đặc trưng liên quan đến cao độ, độ tương đồng âm học và tính ứng dụng của âm thanh. Quy trình này không đòi hỏi gán nhãn cặp "văn bản - chương trình mục tiêu", cũng không phụ thuộc vào bộ tổng hợp khả vi (differentiable synthesizer). Các thử nghiệm chứng minh AutoSynth có thể tạo ra các synthesizer program hoàn chỉnh và có thể chỉnh sửa, đồng thời đạt hiệu năng vượt trội ở cả hai tác vụ đảo ngược tham số synthesizer và tạo âm thanh từ văn bản.
bài báo : https://arxiv.org/abs/2610.10774
LiveSynth: Neural synthesizer dạng luồng cho nhân bản nhạc cụ và text-to-instrument
Tác giả : Kyungsu Kim, Yejin Kim, Kyogu Lee
Tóm tắt : Trong những năm gần đây, các generative neural synthesizer đã hiện thực hóa việc nhân bản nhạc cụ zero-shot dựa trên bản ghi âm tham chiếu cũng như tạo âm sắc dựa trên prompt văn bản. Tuy nhiên, phần lớn các hệ thống hiện tại đều tạo toàn bộ đoạn âm thanh theo phương thức ngoại tuyến (offline), không thể đóng vai trò như một nhạc cụ biểu diễn theo thời gian thực. Nhằm giải quyết vấn đề này, chúng tôi giới thiệu LiveSynth, một neural synthesizer dạng luồng với khả năng kiểm soát âm sắc linh hoạt và tạo âm tương tác, hỗ trợ nhân bản nhạc cụ zero-shot và tổng hợp text-to-instrument. Hệ thống sử dụng một causal Transformer không phản hồi, nhận điều kiện từ các sự kiện MIDI và embedding âm sắc CLAP, xuất ra các đặc trưng tiềm ẩn âm thanh liên tục ở tần số 100 Hz và được Causal VAE giải mã thành âm thanh theo thời gian thực. Điều kiện âm sắc theo từng khung hình giúp hiện thực hóa việc biến đổi âm sắc liên tục (Timbre Morphing), trong khi cơ chế huấn luyện Dropout đối với điều kiện MIDI cho phép hệ thống tự động ứng biến tiếp nối dựa trên đoạn nhạc dạo đầu do nghệ sĩ biểu diễn. Trên các dataset NSynth và Slakh, LiveSynth đạt độ tương đồng âm sắc và chất lượng tái tạo phổ âm tương đương với các baseline model ngoại tuyến. Trên chiếc MacBook Air trang bị chip M3, LiveSynth chỉ mất 8,8 ms tính toán để xử lý mỗi khung âm thanh 10 ms (Real-Time Factor RTF đạt 0,88), độ trễ thuật toán chỉ 10 ms, thành công mang lại khả năng tương tác độ trễ thấp theo thời gian thực với người biểu diễn.
bài báo : https://arxiv.org/abs/2610.13054
Trọng tài ngôn ngữ âm thanh trong tạo nhạc thực sự đang "nghe" gì? Bốn thí nghiệm thăm dò đối chiếu với đánh giá của chuyên gia
Tác giả : Mateusz Modrzejewski, Tomasz Radzikowski
Tóm tắt : Các audio language model mã nguồn mở thường được sử dụng làm trọng tài đánh giá (Judge) cho âm nhạc được tạo: khi nhận một đoạn âm thanh cùng prompt văn bản tương ứng, model sẽ chấm điểm cho đoạn âm thanh đó, độ tin cậy của trọng tài thường được đo bằng mức độ tương quan giữa điểm số của nó với đánh giá của chuyên gia là con người. Tuy nhiên, mối tương quan này không thể làm sáng tỏ trọng tài model thực chất đang phản hồi điều gì: âm nhạc, prompt văn bản hay cách diễn đạt câu hỏi? Nhằm giải đáp câu hỏi này, chúng tôi đề xuất bốn thí nghiệm thăm dò để kiểm tra riêng rẽ các yếu tố trên, trong đó có ba thử nghiệm lấy điểm số của chuyên gia làm mốc đối chiếu chuẩn: loại bỏ đầu vào âm thanh, thay thế âm thanh bằng âm thanh do model khác tạo ra cho cùng một prompt, hoán đổi thứ tự đầu vào của hai đoạn âm thanh trong đánh giá theo cặp, và viết lại prompt đánh giá. Chúng tôi đã tiến hành đánh giá toàn diện 5 model trọng tài mã nguồn mở trên toàn bộ 2.748 đoạn âm thanh của MusicEval, đồng thời mở rộng hai thử nghiệm sau cho tập bài hát SongEval. Nghiên cứu phát hiện: (1) Khi thiếu âm thanh, không có trọng tài nào thể hiện tốt hơn kết quả dự đoán từ đánh giá của con người chỉ dựa trên prompt, và ở điểm căn chỉnh với prompt, tất cả các trọng tài đều thấp hơn mốc chuẩn này; (2) Khi có đầu vào âm thanh, tất cả các trọng tài đều thực sự dựa vào âm thanh nghe được để chấm điểm độ căn chỉnh với prompt, nhưng khi đánh giá chất lượng âm nhạc thì chỉ có hai model làm được điều đó, và điểm chất lượng của model trọng tài mạnh nhất thậm chí có tương quan với điểm căn chỉnh của chuyên gia cao hơn là với điểm chất lượng của chuyên gia; (3) Trên cả hai tập đánh giá, kết quả phán đoán theo cặp của 4 model trọng tài quy mô nhỏ hơn đều bị ảnh hưởng nghiêm trọng bởi thứ tự trước sau của âm thanh (hiệu ứng vị trí), chứ không phụ thuộc vào chất lượng thực sự của âm nhạc; (4) Đối với đánh giá chất lượng âm nhạc, biên độ dao động về độ tương quan điểm số chỉ do viết lại prompt hướng dẫn gây ra gần như tương đương với việc thay đổi hẳn model trọng tài. Chúng tôi khuyến nghị các nghiên cứu đánh giá âm nhạc trong tương lai nên báo cáo bốn thử nghiệm thăm dò này như một bộ kiểm tra tiêu chuẩn cho các model trọng tài.
bài báo : https://arxiv.org/abs/2610.13247
Tài liệu tham khảo
https://www.musicbusinessworldwide.com/sony-music-has-now-asked-platforms-to-remove-more-than-260000-ai-deepfakes-imitating-artists-like-harry-styles-adele-and-michael-jackson/
https://musically.com/2026/10/07/music-streaming-fraudster-michael-smith-gets-18-month-jail-sentence/
https://www.billboard.com/pro/ai-music-streaming-fraud-sentence-man-18-months-prison-scam/?utm_campaign=trueanthem&utm_medium=social&utm_source=twitter
https://x.com/ArtificialAnlys/status/2107942662481612982?s=20
https://x.com/Mureka_AI/status/2108890625454252307?s=20
https://discord.com/channels/1053034685590143047/1062906490702274631/1557875854699143288
https://x.com/googleflowmusic/status/2108316525476393306?s=20
https://discord.com/channels/1053034685590143047/1062906490702274631/1557167882365046874
https://discord.com/channels/1069381916492562582/1083140371980234852/1556717840583893134
https://youtu.be/MdxaU0l3FzI?si=cq1a6UvZZgMRwBIm
https://x.com/suno/status/2107178026509500566?s=20
https://x.com/suno/status/2108622373847216579?s=20
https://discord.com/channels/1069381916492562582/1159295652531019777/1558132399357821011
https://www.musicbusinessworldwide.com/suno-hires-ticketmasters-michael-chua-to-lead-its-live-music-team-including-songkick/
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác