AI音楽史 - fmn137.wiki【8/20更新】

AI音楽史

概要

AI音楽とは、人工知能（AI）を利用して作曲、編曲、歌唱、音色生成、
ミキシング、楽曲構成などを生成・補助する音楽制作手法の総称である。

AIによる音楽研究そのものは古くから存在するが、
2020年代に入るとニューラルネットワークによって
「完成した音声そのもの」を生成する技術が急速に発展した。

特に2023年以降、

• Suno
• Udio
• MusicLM
• MusicGen / AudioCraft

などの登場により、
専門的なDAW操作や演奏技術を持たないユーザーでも、

「○○風のLo-fi」
「夏の夜をテーマにしたJ-POP」
「謎のネットミームを壮大なK-POP風に」

などと文章で指示するだけで、
ボーカルを含む楽曲を生成できる時代となった。

2024年以降はYouTube、TikTok、ニコニコ動画、Sunoなどを通じて
AI楽曲そのものがネットミーム化する例も増加。

日本では「YAJU&U」など、
既存のインターネットミームとAI作曲を組み合わせた楽曲も注目され、
2026年には「INMU KING / YAJU-MC」のように
AI音楽とAI映像を組み合わせたミュージックビデオも登場している。

年表

年代	出来事
2020年	OpenAIが「Jukebox」を発表。歌声を含む音楽を波形レベルで生成する研究として注目された。
2023年1月	Google Researchが「MusicLM」を発表。文章から数分間の音楽を生成可能。
2023年5月	MusicLMがAI Test Kitchenで一般ユーザー向け実験公開。
2023年	MetaがMusicGenを含む「AudioCraft」を公開。
2023年	SunoがDiscord上で音楽生成サービスを開始。
2023年末	SunoがWebサービスへ展開。一般ユーザーによるAI楽曲制作が急速に身近になる。
2024年3月	Suno v3登場。音質・ジャンル表現・プロンプト追従性が向上。
2024年4月	元Google DeepMind研究者らによるUdioが一般公開。
2024年5月25日	「YAJU&U」がYouTube・ニコニコ動画へ投稿されたとする記録がある。
2024年～	AI Lo-fi、AIポップ、AIミームソングなどが動画・SNS上で大量に制作される。
2024年11月	Suno v4登場。ボーカルや歌詞、楽曲構成などがさらに改善。
2025年5月	Suno v4.5。最大8分の初回生成など長尺化が進む。
2025年9月	Suno v5登場。
2026年4月	Suno上で「ガイガイ音頭」のAI楽曲化が複数確認される。
2026年5月	Suno上で「夢 × YAJU&U」などYAJU&U派生作品も確認される。
2026年8月10日	「INMU KING / YAJU-MC」公開。AI音楽とAI映像を組み合わせたネットミームMVとして拡散。

黎明期

Jukebox

2020年、OpenAIが発表した音楽生成モデル。

従来のMIDIや楽譜を生成する方式とは異なり、
音楽の「音声そのもの」を生成することを特徴としていた。

歌声を含む楽曲を生成でき、
ジャンルやアーティストなどの条件を与えることも可能だった。

現在のSunoやUdioのような
「文章を入れればすぐ一曲完成」という一般向けサービスとは異なり、
研究色の強いシステムであった。

しかし、

「AIが作曲データではなく、完成した音楽そのものを生成する」

という現在の生成AI音楽につながる重要な段階の一つである。

MusicLM

2023年にGoogle Researchが発表。

文章による説明から高品質な音楽を生成する
Text-to-Musicモデルである。

例えば、

「落ち着いたバイオリンと歪んだギターによる楽曲」

のように自然言語で音楽を指定できる。

24kHzの音声を数分間にわたって生成できるほか、
口笛やハミングなどのメロディーを入力し、
文章で指定した別ジャンルへ変換することも研究された。

2023年5月にはAI Test Kitchenを通じて
一般ユーザーによる実験利用も開始された。

後の「文章で音楽を作る」という生成AI文化を象徴する技術の一つ。

MusicGen / AudioCraft

Metaが2023年に公開した音楽・音声生成技術。

AudioCraftには、

• MusicGen：音楽生成
• AudioGen：環境音・効果音生成
• EnCodec：音声圧縮・復元

などが含まれる。

MusicGenは文章から音楽を生成でき、
さらにメロディーを条件として利用することも可能。

MetaはMusicGenについて、
音楽家がアイデアを素早く試したり、
作曲の試作を行ったりするための
「新しい楽器」のような可能性を提示している。

Suno

2020年代のAI音楽大衆化を象徴するサービスの一つ。

2023年にDiscordで音楽生成を開始し、
同年後半にはWebへ展開。

ユーザーが、

• 歌詞
• ジャンル
• 雰囲気
• 楽器
• テンポ
• ボーカルのイメージ

などを指定すると、
伴奏だけではなく歌唱を含めた楽曲全体を生成できる。

従来のAI作曲が研究者・プログラマー寄りだったのに対し、
Sunoでは一般ユーザーが文章だけで
「それっぽい完成曲」を作れるようになったことが大きい。

Sunoの進化

Sunoは短期間でモデルを更新している。

モデル	時期	特徴
V2	2023年秋	最大約1分20秒
V3	2024年春	音質・ジャンル・指示理解などが改善
V3.5	2024年夏	楽曲構成改善、初回最大4分
V4	2024年11月	ボーカル、歌詞、構成などを改善
V4.5	2025年5月	初回最大8分、プロンプト追従性などを改善
V4.5+	2025年7月	ボーカル追加・インスト追加など制作機能を拡張
V5	2025年9月	音質・ボーカル表現などをさらに強化

Udio

2024年4月に一般公開されたAI音楽生成サービス。

元Google DeepMind研究者らによって開発され、
Sunoと並ぶ代表的なText-to-Musicサービスとなった。

文章や歌詞から音楽を生成できるだけでなく、
後には、

• Audio Inpainting
• Remix
• Audio-to-Audio
• Stem出力
• Key Control

など、
単なる「ガチャ的な一発生成」から
音楽制作ツールに近づく機能も追加された。

AI音楽はここから、
「完成曲をAIに全部作らせる」
だけでなく、

「人間が生成結果を編集する」

方向にも発展していく。

AI Lo-fi

生成AIと非常に相性の良いジャンルの一つ。

Lo-fi Hip Hopは、

• 繰り返しを主体とする
• BGM用途が多い
• ボーカルを必須としない
• 雰囲気や情景を文章で指定しやすい

といった特徴を持つ。

そのため、

「雨の夜の東京」
「宇宙船で勉強するLo-fi」
「秋の神社」
「深夜の研究所」

といった情景プロンプトから
大量のBGMを試作する用途とも相性が良い。

AI画像による背景、
AI音楽によるLo-fi、
AI動画によるループアニメーションを組み合わせることで、
動画コンテンツ全体を生成AIで構成する例も現れた。

AI歌詞

AI音楽では音だけでなく歌詞も生成できる。

ChatGPTなどの文章生成AIで歌詞を作成し、
それをSunoやUdioへ入力する方法のほか、
音楽生成サービス内部の歌詞生成機能を利用する方法も存在する。

AI歌詞には、

「朝の光」
「夜空」
「未来」
「夢」
「心」
「光の中」

など、抽象的で情景を作りやすい語彙が使われることも多く、
AI生成コンテンツ特有の文体としてネタにされる場合もある。

「朝の光の中で」については、
同名・類似タイトルが多数存在し得るため、
特定の代表的AI楽曲を指す場合は個別の出典確認が必要。

ネットミームとAI音楽

生成AI音楽の普及によって、
従来なら音MADや替え歌になっていたネットミームが、
「普通の楽曲のような完成度」で生成される現象が発生した。

ここでは音楽的完成度そのもの以上に、

「なぜこの題材をこんな壮大な曲にしたのか」

というギャップが笑いとなる。

YAJU&U

2024年に登場した、
「真夏の夜の淫夢」関連のネットミームを題材とする楽曲。

2024年5月25日にYouTube・ニコニコ動画へ投稿されたとする記録がある。

従来の淫夢系音楽では、

• 音MAD
• 人力VOCALOID
• 語録のリズム化
• 原曲への音声素材の組み込み

などが中心だった。

YAJU&Uでは、
AI音楽時代らしい「普通のポップソングとして成立しているのに
中身がインターネットミーム」という構造が強く表れた。

その後もSuno上では
「YAJU&U」を題材とした多数の派生生成が確認でき、
2026年にはPhonk、Swing、Vocaloid、Hard Rockなどを混合した
「夢 × YAJU&U」のような派生例も登場している。

ガイガイ音頭

古くからネット上で使用されてきた
「ガイガイ音頭」系ミームもAI音楽生成の題材となった。

2026年4月にはSuno上で
「ガイガイ音頭」というタイトルの生成曲が複数確認できる。

ある生成例では
「日本の伝統的な民謡風」、
別の生成例では
「marching band / military march / comedy anthem」
などが指定されている。

つまり同じネットミームの歌詞を、

盆踊り
↓
軍歌
↓
ロック
↓
EDM
↓
Lo-fi

などへ瞬時に変換できる。

これはAI音楽時代特有の
「ミームの無限ジャンル変換」といえる。

INMU KING / YAJU-MC

2026年8月10日の「野獣の日」に公開されたAIミュージックビデオ。

YAJU-MC名義で、
野獣先輩を「INMU KING」として描く。

特徴はAI音楽だけではなく、
生成AIによる映像表現まで組み合わされている点。

従来の淫夢MADでは
既存映像を切り抜いて加工する必要があった。

一方、生成AIでは、

「存在しなかったライブ」
「存在しなかったダンス」
「存在しなかった豪華MV」

そのものを映像として生成できる。

そのためINMU KINGは、
ネットミーム系AI創作が

AI楽曲
↓
AIジャケット
↓
AI映像
↓
AIミュージックビデオ

へ発展した例として見ることができる。

音MADとの違い

従来の音MADは、
既存の音声素材を切断・加工・再配置して音楽化する文化であった。

AI音楽では、
語録や文章を「歌詞」として入力するだけで、
AIが新しい歌声・メロディー・伴奏を生成できる。

従来の音MAD	AI音楽
素材を切り貼りする	新しい音声そのものを生成する
原曲が存在する場合が多い	原曲なしでも生成可能
編集技術が重要	プロンプトと選別が重要
素材の声そのものを利用	生成された歌声を利用できる
制作時間が比較的長い	大量の候補を短時間で生成可能

ただし両者は対立するものではなく、
AI生成曲をさらにDAWや動画編集ソフトで加工する
ハイブリッド制作も可能である。

AI音楽とDAW

AI音楽の登場によってDAWが不要になったわけではない。

生成した曲を、

• 切る
• 繋ぐ
• EQを調整する
• 音量を調整する
• エフェクトを加える
• 他の楽器を追加する
• サンプリングする
• リミックスする

場合には従来のDAWが利用できる。

そのため将来的には、

人間が作曲
↓
AIで案を生成
↓
人間が選択
↓
DAWで編集
↓
AIで追加生成
↓
人間が完成

という制作工程が一般化する可能性もある。

AI音楽の特徴

生成速度

最大の特徴。

従来なら作曲・編曲・録音・歌唱が必要だったものを、
短時間で試作できる。

そのため完成曲を一発で得るだけでなく、
「100案生成して1案だけ採用する」
という制作方法も可能になった。

ジャンル変換

同一の歌詞でも、

• J-POP
• K-POP
• 演歌
• 民謡
• Metal
• EDM
• Phonk
• Jazz
• Lo-fi
• アニソン

などへ変換できる。

ネットミームとの相性が非常に高い理由でもある。

AIガチャ

生成結果にはランダム性があるため、
ユーザーが何度も生成を繰り返し、
偶然出来た良曲を探す行為も一般化した。

ゲームのガチャになぞらえて
「AIガチャ」のように扱われることもある。

一方、UdioのInpaintingなど、
気に入らない部分だけを生成し直す技術も登場し、
徐々に制作側の制御能力も増している。

2026年のAI音楽

2026年時点では、
AI音楽はもはや研究デモだけの存在ではない。

「文章を入力すると音が鳴る」
↓
「一曲生成できる」
↓
「歌詞を歌える」
↓
「長尺化する」
↓
「既存音源を編集できる」
↓
「ネットミームが楽曲化する」
↓
「AI映像と組み合わされMVになる」

という段階まで進んでいる。

YAJU&UやINMU KINGのような作品は、
この技術が企業のデモではなく
インターネット文化そのものへ流入したことを象徴する例ともいえる。

今後

AI音楽は今後、

• DAWとの統合
• Stem単位での生成
• ボーカルだけの生成
• 楽器単位の生成
• リアルタイムBGM
• ゲーム状況に応じた自動作曲
• VRChatなどメタバース内での動的BGM
• AIキャラクター自身による歌唱
• 個人の作風に合わせた作曲補助

などへ発展する可能性がある。

特にゲームやメタバースでは、
「同じBGMを再生する」のではなく、

場所
時間
天候
プレイヤー
イベント

などに合わせてAIがリアルタイムで音楽を変化させる
「生成型サウンドトラック」も考えられる。

番外編：生成AI以前のネット自動作曲文化

現在のSunoやUdioが登場する以前にも、
「コンピュータに曲を作らせ、それをネットミームとして遊ぶ」
文化は存在していた。

日本における特に特徴的な例が、
自動作曲システム「Orpheus」と、
2010年代のネット文化から生まれた「パカソン」である。

これらは現在主流のニューラルネットワーク型生成AIとは
技術的に異なるものの、

「文章を入力する」
↓
「コンピュータが作曲する」
↓
「合成音声が歌う」
↓
「ネットユーザーが大量に生成する」
↓
「ネットミームとして共有・アレンジされる」

という文化的な流れにおいて、
後のSunoなどによるAIミーム音楽を先取りした存在ともいえる。

Orpheus

Orpheus（オルフェウス）は、
日本語の歌詞から楽曲を自動生成する自動作曲システム。

東京大学大学院情報理工学系研究科の
嵯峨山茂樹らによって研究開発された。

研究開発は2006年10月に開始され、
2000年代後半にはWeb上で一般ユーザーが利用できるようになった。

ユーザーが日本語の歌詞を入力すると、
システムが歌詞の韻律などを解析し、

• 旋律
• リズム
• 和声進行
• 伴奏
• 楽器構成
• 合成歌唱

などを組み合わせて楽曲を生成する。

2010年に発表された論文では、
Web公開から約2年間ですでに約8万7000曲が生成されていたと報告されている。

2011年12月29日にはVer.3が公開。
その後も長期間にわたって開発が継続されている。

OrpheusはSunoなのか？

似ている部分はあるが、技術的には大きく異なる。

Sunoなどの現代的な生成AIは、
大規模な機械学習モデルによって
音声そのものを生成する方式を中心としている。

一方のOrpheusは、
日本語歌詞の韻律解析や確率的旋律モデル、
和声・リズムなどの音楽的ルールを組み合わせて
楽曲を構築する自動作曲システムである。

したがって、

Orpheus
＝「音楽理論・確率モデルなどを利用する自動作曲機」

Suno
＝「プロンプトなどから完成音源を生成する現代的生成AI」

と考えると分かりやすい。

しかしユーザーから見ると、

「文章を入力したら勝手に歌になった」

という体験はかなり共通している。

パカソン

パカソンとは、
主としてハセカラ・恒心関連のネットミームを題材とした楽曲群の呼称。

当初は既存曲の歌詞を書き換えた替え歌なども含まれていたが、
OrpheusがなんJなどで知られるようになると、
Orpheusによる自動作曲作品が大量に制作されるようになった。

2012年10月14日には、

「尊師のツイートを歌詞にして作曲してみた」

という趣旨のなんJスレッドが立てられたことが記録されており、
これがOrpheusを利用したパカソン文化の初期例として知られている。

ユーザーはネット上の文章やネタを歌詞として入力し、
Orpheusに自動作曲させた。

その結果、本来は大学の音楽情報処理研究として開発されたシステムが、
ネットユーザーによって大量のミームソングを生成する
「ネット文化の楽器」として利用されることとなった。

パカソンの発展

Orpheusで生成された曲は、
単にそのまま聴かれるだけではなかった。

人気曲がまとめられてアルバム化されたり、
VOCALOID・UTAU・NEUTRINOなどによって歌唱を作り直した
カバー作品も制作された。

さらに人間によるアレンジや新規作曲へも発展し、
「自動作曲されたネタ曲」が
独自の音楽文化へ成長していった。

つまり、

Orpheus生成
↓
ネット上で共有
↓
人気曲が発生
↓
アルバム化
↓
人間によるアレンジ
↓
別の歌声合成技術でカバー

という二次創作の循環が、
すでに2010年代に形成されていた。

Suno時代との類似

パカソン文化は、
2020年代のAIミームソング文化と比較すると興味深い。

2010年代	2020年代
Orpheus	Suno / Udio
日本語歌詞を入力	自然言語・歌詞を入力
旋律・伴奏を自動構成	完成音源を生成
合成歌唱	AIボーカル
なんJなどで拡散	SNS・YouTube・ニコニコなどで拡散
パカソン	AIミームソング
人力アレンジ・VOCALOIDカバー	Remix・AI MV・AI動画

特に共通しているのが、

「高度な音楽技術を、ネット民がネタに転用する」

という現象である。

AIミーム音楽の系譜

日本のネット文化に限定して単純化すると、

Orpheus
↓
パカソン
↓
VOCALOID・UTAU等による再アレンジ
↓
Sunoなどの生成AI音楽
↓
YAJU&U
↓
ガイガイ音頭AI化
↓
INMU KING / YAJU-MC

という系譜として見ることもできる。

もちろん各文化に直接的な技術的継承関係が
存在するという意味ではない。

しかし、

「ネットミームをコンピュータに歌わせる」

という遊びそのものは、
生成AIブームよりはるか以前から日本のネット文化に存在していた。

現代から見るOrpheus

Orpheusの存在が興味深いのは、
生成AIブーム以前から、

「歌詞を書く」
↓
「コンピュータが曲を付ける」
↓
「コンピュータが歌う」

という体験を一般ユーザーへ提供していた点である。

現在のAI音楽では、
さらに音色・歌声・ミックスを含む完成音源そのものを
生成できるようになった。

その意味でOrpheusからSunoまでの変化は、

「自動作曲」
から
「自動音楽制作」

への発展とも表現できる。

関連項目

• 生成AI
• Suno
• Udio
• Lo-fi
• YAJU&U
• INMU KING
• 野獣先輩
• 真夏の夜の淫夢
• 音MAD
• ChatGPT
• VRChat