La plupart des plugins AI pour DAW sont des outils au même titre que Suno, sauf que les modèles sont plus petits. En fait, les DAW modernes sont blindés d’IA, que vous le sachiez ou non.
Même pour l’IA grand public. Udio était meilleur que Suno sur les réglages de contrôle pendant longtemps. Peut-être encore aujourd’hui. Suno a des outils qui ressemblent plus à un DAW. Udio ressemblait plus à une console Gradio, ce que j’aimais bien, d’ailleurs.
Udio était sans aucun doute basé sur la diffusion, ce qui signifie qu’il créait de la musique en analysant le conditionnement du prompt dans un espace latent via le parseur linguistique. Dans ce type de modèle, votre prompt est un peu comme une hypothèse : vous demandez « et si toutes ces conditions étaient vraies » et vous accédez à cet objet dans l’espace du possible.
L’avantage de pouvoir faire tourner de la diffusion musicale à la Udio, c’est qu’on avait tous ces réglages. Conditionnement positif et négatif, denoise, et strictesse sémantique ou « cfg guidance », tout y était. Udio avait ses propres noms pour ça. Je ne peux me baser que sur ce que je sais des modèles de diffusion en général et sur le comportement du système.
Suno a commencé comme un petit modèle (je crois) auto-régressif. On peut entraîner un auto-régressif à faire de la diffusion, mais le comportement du système est différent. Les choses qui glissent, les choses qui fondent. Le son en état de panne (un truc que je suis surprise que personne chez les musiciens traditionnels n’ait encore pigé).
Un indice, c’est l’état d’hallucination.
Les modèles musicaux ne sont pas censés parler anglais. Pas en général. Quand Udio ou StableAudio hallucinent des paroles, c’est du charabia. Ça ressemble à des mots anglais seulement dans la mesure où ça dérive de mots anglais. Ils représentent la forme, pas la fonction du langage.
Mais quand j’ai commencé à forcer Suno à halluciner intentionnellement, j’ai vu que les mots... avaient un sens. Suivez-moi bien, parce que c’est là que ça devient intéressant.
Plus la qualité sonore de Suno s’améliorait, plus les hallucinations devenaient vives. Aujourd’hui, quand le système hallucine — si vous arrivez à le provoquer — vous obtenez pratiquement une chanson entière qui semble avoir été écrite à la va-vite par un stagiaire qui aurait appris à utiliser les mots en écoutant un million de chansons pop.
Sur ce système, ça signifie que quelque chose dans la chaîne d’outils n’a pas fait ce qu’il était censé faire. Peut-être que le modérateur a détecté les paroles comme une violation de copyright, et que la feuille de paroles est arrivée vide. Ou alors, vous avez demandé une catégorie musicale dominée par la voix, tout en lui disant de faire un instrumental.
*siffle innocemment*
C’est pas comme si je m’amusais à bidouiller Suno ou quoi que ce soit. Mais ouais, c’est comme ça qu’on voit. Les modèles de diffusion qui tournent sur le processus de diffusion brut sont des moteurs de reconnaissance de motifs, pas des moteurs de raisonnement. Les auto-régressifs, eux, raisonnent.
Un avantage que Suno a (ou avait), c’était une généralisation sauvage. Ça permettait de faire surgir des combinaisons de genres divergentes qui n’existent pas ou, dans certains cas, ne peuvent pas exister autrement. On pouvait utiliser le système avec le bon réglage de « wildness » pour obtenir des sons musicaux putain d’excitants qui ne peuvent pas exister dans la nature. Mon préféré était le Harmonifiddle.
Essayez d’imaginer ce que ça pourrait donner.
C’est logique quand on y pense, parce qu’ils sont dans le même registre.
Mais ça sonne tellement étranger. Il y a cette qualité presque mystique, parce qu’on sait que ce qu’on entend est totalement putain d’impossible. J’ai décidé de quitter SoundCloud, donc cet enregistrement n’y est plus disponible.
Mon beef permanent avec Suno, c’est qu’ils ont priorisé les mauvaises choses pour leur produit. Au début, j’aimais bien Suno parce qu’il y avait ce côté magique. C’était fun d’expérimenter. Des prompts bizarres, remixer du bruit, pondre des trucs avant-gardistes et perchés que personne n’avait jamais imaginés ?
C’est pour ça que je m’y suis mise.
Bref, aujourd’hui, j’écris du code et je me bâtis mes propres pipelines musicaux. C’est le moyen le plus fiable d’obtenir les outils expérimentaux avec lesquels j’aime bosser.