Warning: Undefined property: stdClass::$access_token in /home/roukaisen/roukaisen.info/public_html/wp-content/plugins/yyi-rinker/yyi_rinker_main.php on line 2322
最近のローカルAIは、画像生成だけではありません。
文章を書いたり、画像を生成したり、動画を作ったり……そして最近では音楽までローカルPCで生成できるようになってきました。
そこで今回は、音楽生成AIの「YuE2」を実際にローカル環境へ導入して、曲を何曲か生成してみました。
使ったPCは、
- CPU：Ryzen 7 5700X
- GPU：GeForce RTX 5060 Ti 16GB
- メモリ：32GB
という、いわゆるハイエンドPCではない普通の自作PCです。
「ローカルAIで音楽を作るって、実際どんな感じなの？」
というところを、実際に使ってみた感想を中心に紹介します。
YuE2って何？
YuE2（ユーイーツー）は、簡単に言うとローカルPCでAI使って音楽が生成できる音楽生成AIモデルです。
主な特徴としては
- ローカル環境対応: ComfyUIなどのツール上でネイティブサポートされており、ローカル環境でも実行可能です。
- 高品質な楽曲生成：歌詞と音楽スタイルを指定して、ボーカル入りの楽曲を生成できます
YuE2を使えば、
「こんな雰囲気の曲を作りたい」
というところから、実際に1曲の形にしていくことができます。
前にAceStep1.5ってものがあり、それでも生成したことありますが、その時は発音がたまにおかしくなって、どうやっても修正できなかった記憶がありますが今回は果たして。
その時の記事はこちら。
今年の2月の話ですね。あれから約半年。AIの進化するスピードってすごい。
YuE2の導入
今回はComfyUIのテンプレートから導入しました。環境によって必要なモデルやVRAMは異なりますが、今回はRTX 5060 Ti 16GBで生成できました。
テンプレートが見つからない場合は、ComfyUIのVerが古いかもしれないので、更新してみてください。
実際にYuE2で曲を作ってみる
まずは普通に曲を生成してみました。歌詞と曲のイメージを指定して生成します。今回は自分用に作ったローカルAIエージェントに、こんな曲がいいという雰囲気だけ伝えて、プロンプトと歌詞を作ってもらいました。
音楽スタイルを作る時はこの「5要素」で考えて！
① ジャンル② 楽器③ 雰囲気④ ボーカル⑤ テンポ
そしてできたのがこちら。
多少編集してますが全然聴けますね。AceStep 1.5では日本語の発音に気になるところがありましたが、今回YuE2で生成した曲では、少なくとも今回試した範囲では日本語の発音に大きな違和感はありませんでした。
生成時間はどのくらい？
今回の環境では、曲によって生成時間がかなり違いました。実際に生成した例では、
生成時間：約381秒
で、
曲の長さ：約222秒
でした。
つまり、
約6分半かけて、約3分40秒の曲を生成
という計算です。
もちろん生成する設定や曲の長さによって変わるので、これだけで「YuE2は○分で○分の曲が作れる」とは言えません。
ただ、RTX 5060 Ti 16GBでも歌入りの曲をローカル生成できたというのは、個人的にはかなり面白いところでした。
実際に何曲か作ってみた
せっかくなので1曲だけではなく、何曲か生成してみました。1曲目、2曲目と作っていくと、だんだん
「もう1曲作ってみよう」
という感じになってきます。これ、画像生成AIとちょっと似ています。
最初は、
「AIで画像を作ってみよう」
だったのが、
「このプロンプトならどうなる？」
「じゃあ今度は別の雰囲気で」
と試したくなる。YuE2も同じで、
「次はもっと明るい曲にしてみよう」
「今度は女性ボーカルっぽく」
「ボカロっぽい雰囲気にできないかな？」
と、どんどん試したくなります。
そして実際にボカロっぽい方向にも振ってみました。
これが意外と悪くない。
まだまだ調整の余地はありますが、ローカルPCだけで「自分の曲」を作っている感覚はかなりあります。
AIで作った曲って何に使える？
ここも気になるところです。個人的には、今後かなり用途が広がるんじゃないかと思っています。
例えば、
- YouTubeのBGM
- AI音楽チャンネル
- 動画のオープニング・エンディング
- ゲーム制作
- 個人制作の映像作品
- 作業用BGM
- オリジナル楽曲制作
など。
特に面白いと思ったのが、自分で作ったAIコンテンツに、自分で作ったAI音楽を組み合わせられること。
画像生成AIで画像を作る。
動画生成AIで映像を作る。
そしてYuE2で音楽を作る。
全部ローカルPCで完結する。
こうなってくると、ローカルAIの用途がかなり広がってきます。
ただし、ライセンスだけには気を付けてくださいね。
ただし、何でも思い通りになるわけではない
もちろん、現時点で万能というわけではありません。特に音楽は、
「こういう曲を作りたい」
というイメージを完全にそのまま再現するのは難しいです。同じような指示をしても、生成するたびに違う結果になります。
また、
- 歌詞の発音
- ボーカルの安定性
- 曲の展開
- 楽器構成
- 音質
- 曲全体のまとまり
など、気になる部分もあります。そのため、
AIに全部作ってもらって完成
というより、
AIに曲を作ってもらい、その中から良いものを選んでいく
という使い方のほうが、現時点では向いているように感じました。
それでもローカルで動かす意味はある
「WebサービスでAI音楽を作ればいいんじゃない？」
と思う人もいるでしょう。これはその通りです。実際、クラウド型のAI音楽サービスなら、もっと簡単に曲を作れるものもあります。それでも自分がローカルAIを触っている理由は、
自分のPCでAIが動いているのが面白いから。
これに尽きます。画像生成でもそうでした。
最初は、
「わざわざ自分のPCでやる必要ある？」
と思っていたのに、ComfyUIを触っているうちに、
「このモデルを使ったらどうなる？」
「この設定なら速くなる？」
「このWorkflowを変えたら？」
と、いつの間にか実験そのものが楽しくなっていました。YuE2も同じです。曲を作ることそのものだけではなく、
「自分のPCの中でAIが曲を作っている」
というところに面白さがあります。
RTX 5060 Ti 16GBでも十分遊べる
今回使っているGPUはRTX 5060 Tiの16GBモデルです。
ローカルAIでは、
「16GBじゃ足りないかな？」
と思う場面もあります。実際、モデルによってはVRAM不足に悩まされることもあります。それでも今回のYuE2では、実際に歌入りの楽曲を生成することができました。もちろん生成速度については、より上位のGPUを使えば有利になるでしょう。
ただ、
「RTX 5060 Ti 16GBくらいのPCでも、ローカルAIで音楽生成を楽しめる」
というのは、これからローカルAIを始めたい人にとっては面白いポイントだと思います。
まとめ
今回はYuE2を使って、ローカルPCでAI音楽を生成してみました。実際にやってみて一番感じたのは、
「思っていたより普通に曲になる」
ということでした。もちろんまだ完璧ではありません。
でも、数年前なら「AIが歌入りの曲を自分のPCで作る」というだけでかなり未来の話に感じていたものが、今では自宅のPCで実際に試せます。
今回作った曲も、せっかくなので今後YouTubeなどで公開してみようと思っています。
ローカルAIというと、どうしても
「画像生成」
「LLM」
「ComfyUI」
あたりを想像しがちですが、音楽生成まで入ってくると、できることが一気に広がります。次はもう少し違うジャンルにも挑戦してみようと思います。
ローカルAI、まだまだ遊べそうです。
今回の副業活動時間
下調べ：60分
MV作成：120分
ブログ記事執筆：30分
AIとのやり取り(サムネ作成含む)：20分
合計：230分
今までの合計：425分
コメント