La industria musical está desarrollando tecnología para rastrear canciones generadas por inteligencia artificial.
Ante la imposibilidad de frenar el avance de la música generada por inteligencia artificial, el sector está adoptando una nueva estrategia: buscar formas de obtener beneficios de esta tendencia.
En 2023, la industria musical enfrentó uno de sus mayores desafíos con el surgimiento de “Heart on My Sleeve”, un dúo apócrifo que imitaba a Drake y The Weeknd. La canción acumuló millones de reproducciones antes de que se pudiera aclarar su origen. Este fenómeno no solo se volvió viral, sino que también desdibujó la percepción de control que existía en torno a la creación musical. En respuesta a este evento, ha comenzado a desarrollarse una nueva categoría de infraestructura que busca hacer rastreable la música generativa en lugar de detenerla.
Se están implementando sistemas de detección en toda la cadena de producción musical: en herramientas de entrenamiento de modelos, plataformas de subida, bases de datos de licencias y algoritmos de descubrimiento. El objetivo no es solo reaccionar ante el contenido sintético. Se busca identificarlo a tiempo, etiquetarlo con metadatos y regular su circulación. Matt Adell, cofundador de Musical AI, señala que si no se incorporan estas medidas desde la infraestructura, será un esfuerzo en vano.
Las nuevas startups están comenzando a incluir la detección en los procesos de licenciamiento. Plataformas como YouTube y Deezer han desarrollado sistemas internos que señalan audio sintético en el momento de la carga, modificando cómo aparece en búsquedas y recomendaciones. Otras empresas del sector musical, como Audible Magic, Pex, Rightsify y SoundCloud, están ampliando sus funciones de detección y atribución en todo, desde conjuntos de datos de entrenamiento hasta distribución.
Esto ha dado lugar a un ecosistema fragmentado pero en crecimiento, en el que la detección de contenido generado por inteligencia artificial se considera como una infraestructura indispensable para el seguimiento de medios sintéticos. Algunas compañías están creando herramientas que etiquetan música generada por IA desde su origen. Vermillio y Musical AI, por ejemplo, están desarrollando sistemas que escanean canciones terminadas en busca de elementos sintéticos y los etiquetan automáticamente.
El marco TraceID de Vermillio se adentra aún más al descomponer canciones en sus componentes, como tonalidad vocal, fraseo melódico y patrones líricos, lo que permite a los titulares de derechos detectar la imitación a un nivel más detallado. La empresa enfatiza que su enfoque no es eliminar contenido, sino facilitar el licenciamiento y la publicación autenticada.
Además, se está trabajando en la calidad de los datos desde la etapa de entrenamiento. Mediante el análisis de la información que alimenta un modelo, algunas empresas buscan estimar cuánto se toma prestado de artistas o canciones específicas en una composición generada. Esta aproximación podría facilitar un licenciamiento más preciso, con regalías que se basen en la influencia creativa en vez de en disputas posteriores al lanzamiento.
Musical AI también está en la búsqueda de un sistema de detección que cubra desde la ingestión hasta la distribución. Sean Power, cofundador de la empresa, afirma que la atribución debe iniciarse al comienzo del aprendizaje del modelo, no al finalizar la canción.
Deezer ha creado herramientas internas para marcar las pistas generadas completamente por IA durante su carga, disminuyendo su visibilidad en recomendaciones. Según Aurélien Hérault, director de Innovación de Deezer, estas herramientas detectan actualmente alrededor del 20% de las nuevas cargas diarias como generadas por IA. Las pistas señaladas están disponibles en la plataforma, pero no reciben promoción. Hérault menciona que planean empezar a etiquetar directamente estos contenidos para los usuarios en el futuro cercano.
El protocolo DNTP (Do Not Train Protocol) también busca la detección desde un nivel más inicial, permitiendo que artistas y titulares de derechos etiqueten su trabajo como no permitido para el entrenamiento de modelos. Aunque artistas visuales ya tienen acceso a herramientas similares, el ámbito de audio sigue rezagado en términos de consenso sobre cómo estandarizar el consentimiento, la transparencia y el licenciamiento a gran escala. Aunque la regulación podría forzar la cuestión, por ahora, el enfoque continúa siendo fragmentado. Críticos advierten que la confianza en este protocolo depende de su supervisión por entidades independientes y su adopción generalizada.
