KI-Musik: 300 Versionen bis zum richtigen Lied

Musik ist bei uns kein Nachtrag. Sie trägt Filme, füllt Werbespots, macht aus einem Feed-Video einen Moment. Weil wir das Lied meist für einen konkreten Zweck brauchen, fängt die Arbeit nie beim Prompt an. Sie fängt bei der Frage an: Wofür ist das Lied gedacht?

Ein Werbespot braucht zehn Sekunden, die auffallen, ohne zu nerven. Ein Social-Clip braucht einen Hook in den ersten zwei Sekunden. Ein Song mit Gesang braucht einen Text, der etwas sagt. Und eine Instrumentalversion muss funktionieren, wenn die Stimme fehlt. Aus derselben Idee entstehen so völlig verschiedene Anforderungen.

Die Modelle, die wir nutzen

Es gibt nicht das eine Musikmodell. Wir arbeiten mit mehreren, je nach Aufgabe:

Lokal

ACE und MiniMax laufen auf eigener Hardware. Geeignet für Tests und Varianten ohne Upload, wenn ein Kundenprojekt nicht in eine Cloud soll.

Online

Suno für fertige Songs mit Gesang und Produktion. Schnell, vielfältig, bei Stimmen und Mischung inzwischen sehr gut.

Stimmen

Eigene Stimmen, aufgenommen und digitalisiert, für Gesang und Sprechgesang, die wiedererkennbar bleiben sollen.

Vertrieb

Die fertigen Lieder erscheinen bei Apple Music, Spotify und anderen Diensten.

Lokal heißt nicht besser und online heißt nicht bequemer. Ein lokales Modell rechnet langsamer und klingt manchmal rauher, aber der Song verlässt das Haus nicht. Suno liefert in Minuten ein Ergebnis, das klingt, als wäre es im Studio entstanden. Für den letzten Schliff entscheiden wir am Ziel, nicht am Modell.

Warum 300 Versionen

Ein Prompt ist kein Lied. Was im ersten Wurf entsteht, ist ein Vorschlag. Der Weg dorthin sieht so aus: Wir schreiben den Text selbst, oft über mehrere Runden, bis er zur Marke, zum Film oder zur Aussage passt. Dann generieren wir. Dieselben Zeilen mit anderem Instrument, anderem Tempo, anderer Stimme. Ein Schlagzeug statt eines Pianos ändert nicht den Klang, es ändert die Haltung des Lieds.

Bis zu 300 Versionen entstehen so für einen einzigen Song. Nicht weil die Modelle schlecht wären, sondern weil die Frage gestellt werden muss: Ist das die richtige Version für diesen Zweck? Eine Werbefassung muss in zehn Sekunden funktionieren, eine Social-Fassung braucht den sofortigen Hook, die Gesangsfassung trägt den ganzen Text. Wir hören alle, verwerfen fast alle, und am Ende steht eine Version, die wirkt, als wäre sie immer so gedacht gewesen.

Text bleibt Handarbeit

Die Texte schreiben wir selbst. Nicht aus Prinzip, sondern weil kein Modell weiß, was ein Kunde in seiner Sprache ausdrücken will. Ein Werbespruch für Köln klingt anders als einer für München. Eine Zeile, die im Iran funktioniert, wirkt hierzulande möglicherweise schief. Wir schreiben, streichen, lesen laut, singen vor uns hin, bis Silben auf der Betonung liegen. Erst dann geht der Text ins Modell.

Diese Reihenfolge ist der Kern: Konzept vor Text, Text vor Generierung, Auswahl nach Gehör. Das Modell liefert die Musik, die Entscheidung bleibt bei uns. Genau das ist Orchestrierung, hier mit Noten statt Pixeln.

Lied statt Lizenz

Für Kunden heißt das: kein Musikarchiv, keine gekauften Rechte, kein Soundalike einer bekannten Melodie. Sondern ein Lied, das für den Zweck gemacht ist, im Umfang des Projekts. Sie hören vorher Kandidaten und wählen mit aus, bevor die finale Version produziert wird.

Kosten vor Auftrag

Sie sehen zuerst einen Prototyp und dessen Kosten, bevor Sie etwas beauftragen.