HeartMuLa

HeartMuLaの紹介

HeartMuLaは、歌詞付きのプロフェッショナル品質の構造化された楽曲を生成するオープンソースAI音楽基盤モデルです。商用音楽生成サービスとコミュニティ主導の開発のギャップを埋めることを目的としており、完全な透明性、カスタマイズ可能性、およびデプロイの柔軟性を提供します。対象ユーザーには、独立した音楽家、作曲家、研究者、開発者、およびAIツールの制御・プライバシー・商用利用権を重視するクリエイティブ専門家が含まれます。

Apache 2.0ライセンスの下で開発されており、個人的・学術的・商用用途での制限なしの利用が可能です。クローズドソースの代替製品とは異なり、互換性のあるハードウェア上でのローカル実行をサポートしており、外部サーバーやサブスクリプションモデルへの依存を排除します。そのアーキテクチャは、高忠実度のオーディオ再生、明確な歌詞表現、構造的な整合性、および多言語対応を優先しつつ、使いやすさを損なわないよう設計されています。

主なポイント

• 最大6分間の完全な構造化楽曲（ヴァース、コーラス、ブリッジ、アウトロなど）を生成可能
• HeartCodecという12.5Hzの超低フレームレート音声コーデックを採用し、高忠実度のオーディオと明瞭な歌詞を実現
• オープンソースであり、Apache 2.0ライセンスに基づき、商用利用・改変・再配布が許可される
• GPUメモリ24GB以上（例：RTX 3090、RTX 4090、A100）を備えた環境でのローカルデプロイまたはクラウド推論に対応
• 10以上の言語および、ジャンル・楽器・ムード・テンポにわたる多様な音楽スタイルをサポート
• [ヴァース]、[コーラス]などの標準セクションタグによる構造化歌詞入力およびカンマ区切りのスタイル記述子に対応
• Hugging Face Spaces上でブラウザから直接利用可能なデモを提供（アカウント登録不要）
• モデル重み、学習コード、推論ライブラリはHugging FaceおよびGitHubで公開されている

HeartMuLaの仕組み

HeartMuLaは階層型Transformerアーキテクチャを採用した音楽基盤モデルです。ユーザーは、希望する音楽特性を自然言語で記述したプロンプト、あるいは[イントロ]、[コーラス]などのセクションタグで構造化された歌詞を入力します。これらの入力に加え、ピアノ,明るい,ロマンチックといったカンマ区切りのスタイルタグを指定することで、生成プロセスを条件付けします。モデルはHeartCodecの効率的な時間軸表現を活用して、リズムやハーモニーの構造を維持したまま長尺オーディオを合成します。

生成は主に2つのモードで実行されます：ダウンロード可能なHeartMuLa-oss-3Bモデルを用いたローカル推論（適切なGPUリソースが必要）、またはホスト型デモを用いたクラウド推論です。温度パラメータ（出力の多様性調整）や目標再生時間などの高度な設定が可能です。出力はボーカルとインストゥルメンタルが同期されたステレオオーディオ形式で提供されます。生成時間は楽曲長に比例し、6分間のフルトラック生成には数分程度かかる場合があります。

主な利点と用途

HeartMuLaは以下の実用的な用途をサポートします：作曲家やプロデューサーによるオリジナル楽曲の迅速なプロトタイピング；ポッドキャスト、動画、ゲーム向けのロイヤリティフリーバックグラウンドミュージックの作成；多言語音楽生成における言語的・様式的研究；および、オープンAPIとPythonライブラリ（heartlib）を用いたカスタムクリエイティブパイプラインへの統合。ローカル実行機能により、機密性の高いプロジェクトにおけるデータプライバシーを確保でき、Apache 2.0ライセンスにより、ライセンス料や帰属表示なしで商用製品への組み込みが可能です。SunoおよびUdioと比較して、HeartMuLaはオープンソース性・ローカル実行・商用ライセンスという三つの特徴を同時に実現しており、組み込み音楽ツールの開発者、AI教育担当者、監査可能なセルフホスト型AIインフラを求める企業にとって最適な選択肢となります。