Descobri que a OpenAI fez um gerador de música em 2019, bem antes do ChatGPT
Se você acompanha notícias de IA de forma casual, provavelmente associa a OpenAI ao ChatGPT, GPT-4 e à explosão de grandes modelos de linguagem no final de 2022. Essa linha temporal está incompleta. A OpenAI estava construindo sistemas de música generativa anos antes da era dos chatbots, e dois projetos merecem uma segunda olhada: MuseNet e Jukebox.
MuseNet: 25 de abril de 2019
O MuseNet foi lançado em 25 de abril de 2019. Podia gerar composições de até quatro minutos com dez instrumentos diferentes, misturando estilos que iam de Mozart aos Beatles. Não é erro de digitação — o mesmo sistema podia produzir uma peça de piano barroco e depois passar para um arranjo pop-rock.
O detalhe técnico crucial: o MuseNet trabalhava com música simbólica estilo MIDI. Tratava de notas, instrumentação e estrutura — não som gravado em bruto. Pense nisso como gerar partituras em vez de arquivos de áudio.
Por baixo dos panos, o MuseNet usava a mesma tecnologia geral não supervisionada que alimentava o GPT-2. O modelo era treinado para prever o próximo token em uma sequência. Quer esses tokens representem palavras em uma frase ou notas em uma passagem musical, o padrão fundamental é similar.
Jukebox: 30 de abril de 2020
O Jukebox chegou um ano depois, em 30 de abril de 2020, e era uma criatura fundamentalmente diferente. Onde o MuseNet gerava música simbólica, o Jukebox avançou para o áudio bruto. Podia gerar música — incluindo canto rudimentar — diretamente como ondas sonoras, em diferentes gêneros e estilos de artistas.
A linha temporal de desenvolvimento conta uma história de ambição crescente. A OpenAI começou o trabalho em julho de 2019, expandiu em setembro de 2019, escalou em janeiro de 2020 e lançou publicamente em abril de 2020. Aproximadamente dez meses do desenvolvimento inicial ao lançamento público.
O Jukebox mostrou quão difícil a geração de áudio bruto realmente é. A OpenAI foi transparente sobre as principais limitações: ruído, estrutura fraca de músicas e geração lenta. Renderizar um minuto de áudio podia levar cerca de nove horas.
Por que isso muda a história da OpenAI
A existência do MuseNet e do Jukebox reenquadra a narrativa comum sobre a OpenAI. O caminho para o ChatGPT não foi uma linha reta do GPT-1 passando pelo GPT-4 até uma interface de chatbot. Foi uma exploração de dez anos de modelagem de sequências em múltiplos domínios: texto, código, imagens e música.
Conclusão
O trabalho de geração musical da OpenAI em 2019 e 2020 é um lembrete de que as ambições técnicas da empresa sempre foram mais amplas do que qualquer produto individual. Se alguém disser que a OpenAI só faz chatbots, aponte para o MuseNet e o Jukebox.