音楽AI研究の最前線：Transformerモデルが人間の感性に迫る一方で、知覚感情の不整合も浮き彫りに

最新研究が示すAI音楽の「質」と「課題」

2025年から2026年にかけて発表されたAI音楽技術に関する最新の研究論文は、技術の急速な進化と、それに伴う新たな課題の両方を浮き彫りにしている。特に、Transformerアーキテクチャを基盤としたモデルが、音楽的な表現力と構造的一貫性の面で他の手法を凌駕していることが、『Scientific Reports』に掲載された比較研究で確認された。

Transformerモデルが示した優位性

Nature系ジャーナル『Scientific Reports』に掲載された研究では、LSTM、GAN、Transformerという3つの主要な深層学習アーキテクチャを、MAESTROデータセット（高品質なピアノ演奏のMIDIと音声データ）を用いて比較評価した。その結果、Transformerモデルが最も高い総合評価（困惑度: 2.87、調和の一貫性: 79.4%、平均意見スコア: 4.3）を示し、音楽的に豊かで表現力のある出力を生成できる能力が確認された。しかし、人間の作曲が持つ知覚的品質（MOS: 4.8）には未だ及ばず、感情のニュアンスや長期的な構造の一貫性において課題が残ることも明らかになった。

「知覚感情の不整合」という新たな発見

一方で、別の研究ではAI音楽生成における根本的な課題が指摘されている。人間が作曲した音楽、音楽を記述したテキスト、そしてT2M（Text-to-Music）モデルが生成した音楽の間には、聴取者が感じる「感情」に明確な差異（不整合）が存在することが分析により示された。これは、AIが生成する音楽の表面的な特徴（テンポ、調性など）と、それが人間に喚起する感情体験との間にギャップがある可能性を示唆しており、より高度な「感情認識モデル」の必要性を浮き彫りにしている。

業界の動向：Qosmoが2025年版ホワイトペーパーを公開

こうした学術研究の動向を背景に、創作分野のAI活用を推進する株式会社Qosmoは、『音楽AIの現状と可能性（2025年版）』ホワイトペーパーを無料公開した。このレポートでは、テキストから楽曲を生成する技術に焦点を当てつつ、制作支援AIや音楽解析AIなど幅広い動向をカバー。技術のポジティブな可能性と、学習データの著作権問題などのネガティブな側面の両方に言及している。

AI音楽は単なる「自動生成ツール」から、人間の創造性と協働する「高度な楽器」へと進化する過渡期にある。AISA Radio ALPSでも、こうした研究の最前線から生まれる新しい音楽の形を、引き続き追いかけていきます。