Music 2.6 のあとで、曲より先に年代を検索する

作ることは、API の形になる

Cloudflare のドキュメントにある Music 2.6 の説明は、音楽制作の言葉というより、開発者向けの入出力仕様に近い。

prompt にスタイルや気分を書く。必要なら lyrics を渡す。歌詞を任せるなら lyrics_optimizer を使う。歌なしなら is_instrumental を true にする。出力は生成された音声ファイルの URL だ。²

この形式自体は、もう驚くほど未来的ではない。画像生成や動画生成で見慣れた構造が、音楽にも入ってきた。ただ、音楽の場合、その変化は少し別の重さを持つ。

音楽は、「誰が演奏したか」「誰が歌ったか」「どの部屋で鳴ったか」「どの時代の録音か」といった情報を、音の質感の中に抱えてきた。古い録音のノイズ、ドラムの距離、声のマイク乗り、シンセの質感。そういうものは飾りではなく、その音がどこから来たのかを知らせる手触りでもあった。

Music 2.6 のようなモデルは、その手触りをプロンプトで呼び出せるものにする。深夜のカフェ。ボス戦。フラメンコの間。低音の強いクラブトラック。こうした言葉が、音楽の制作指示になる。

そのとき音楽は、「録音された出来事」から「生成された状態」へ、少しずつずれていく。

2.6 の売り文句は、人間らしさへ向かっている

MiniMax 自身の告知は、スペック表ではなく、四つの利用場面で Music 2.6 を語っている。ダンサー、ゲーム開発者、カフェのプレイリスト、母への誕生日サプライズ。そこで強調されているのは、ただ曲が作れることではない。間、低域、感情の展開、少し不完全な声、既存の旋律を別のスタイルへ移す Cover 機能である。⁴

ここが引っかかる。

音楽生成AIの売り文句は、初期には「数秒で曲ができる」だった。Music 2.6 の言葉は、もう少し細かい場所へ寄っている。音楽らしさではなく、人間が音楽に人間らしさを感じる箇所へ近づこうとしている。

フラメンコなら、音符ではなく沈黙。ゲーム音楽なら、派手さではなく胸に当たる低音。カフェなら、完璧な歌唱ではなく、少し生活の残った声。そこまでモデルが届く、という語り方になっている。

もちろん、これは公式の告知文であって、実際の出力をそのまま評価する材料ではない。だとしても、売り方がそこへ移っていること自体は見逃せない。生成AI音楽は、もう「曲を作れるか」ではなく、「曲らしさのどの細部まで作れるか」を競いはじめている。

聴き手は、年代を見はじめる

聴き手の側では、別の反応が起きる。

ある曲を聴く。よくできている。声も自然だ。アレンジもそれらしい。けれど、どこかで少し疑う。これは本当に昔の音源なのか。最近作られた生成AI曲なのか。そこで曲名やアーティスト名だけでなく、リリース年、アップロード年、その作品が属する年代を調べる。

catnose さんの投稿が示していたのは、たぶんこの感覚だ。³ 生成AIかどうかを、音の中だけで判定しきれない。だから、外側の年表を見にいく。2026年に突然現れた「80年代風」の曲なのか。実在する古い録音なのか。誰かの過去に属する音なのか、モデルが過去の手触りを再構成した音なのか。

音楽の聴き方として、これはかなり奇妙だ。

以前なら、年代を調べるのは文脈を深めるためだった。いつ出た曲か。どのシーンの中にいたのか。何に影響され、何へ影響したのか。いまは、そこに別の目的が混ざる。これは人間の時間を通ってきた音なのかを確かめるために、年代を見る。

音楽の真偽が、耳の中だけで完結しなくなっている。

メタデータも音楽になる

この変化は、少し不快でもある。

本来、音楽はまず鳴るものだ。聴いて、身体が反応して、好きかどうかが決まる。クレジットや制作過程は、その後に来る情報だった。けれど生成AI音楽が十分にそれらしくなると、私たちは音を聴きながら、同時に周辺情報を探しはじめる。

リリース日はいつか。アーティストの履歴はあるか。ライブ映像はあるか。過去作は連続しているか。レーベルは実在するか。説明文は空ではないか。クレジットに人名があるか。

こうした情報は、もはや付属物ではない。音楽を信じるための一部になっている。

AI音楽だけの問題ではない。匿名のカバー、権利処理の見えない音源、短尺動画で突然流行する正体不明の曲、架空のアーティスト。いまのプラットフォームでは、音楽は最初からメタデータ込みで流通する。生成AIは、その不透明さを一気に増幅した。

Music 2.6 のようなモデルが API として扱えるようになることは、作り手にとっては便利だ。映像、ゲーム、ポッドキャスト、店舗、広告。必要な場面に合わせて、必要な長さと質感の音を出せる。

でも聴き手には、便利さとは別の問題が残る。鳴っている音がよければそれでいいのか。誰の時間も通っていない音に、どこまで自分の時間を預けられるのか。

残るのは、耳ではなく履歴かもしれない

生成AI音楽の議論は、しばしば「人間の作曲家は不要になるのか」という方向へ行く。その問いは大きい。ただ、日常の聴取では、もっと地味な変化のほうが先に来ている。

私たちは、曲を聴いたあとで検索する。年代を見る。作者を見る。コメント欄を見る。誰かが「これ AI？」と書いていないか探す。音楽の経験が、耳からブラウザへ移動していく。

Music 2.6 が示しているのは、音楽生成の性能向上だけではない。音楽が、いつでも、どこでも、API から出てくるものになったとき、聴き手は逆に、その音がどこから来たのかを前より強く知りたくなる。

曲そのものより、履歴が気になる。

それは少し寂しい。けれど、完全に悪いことでもないと思う。音楽を聴くことは、もともと音だけを受け取る行為ではなかった。誰が、いつ、どこで、どんな必要から鳴らしたのか。その背後の時間まで含めて、私たちは音楽を聴いてきた。

生成AIがその時間を偽装できるようになるなら、聴き手は時間の痕跡を探すようになる。

Music 2.6 のニュースから残るのは、未来的な作曲ツールの驚きだけではない。むしろ、古いレコードを手に取るときのように、「これは何年の音なのか」と確かめる手つきが、デジタル音楽の表面に戻ってきたことだ。

参照