I Used AI to Write Background Music for a Month. It's. Complicated.

Ich habe sieben Jahre lang Indie-Filme und YouTube-Inhalte vertont. Letzten Monat gab ich 847 US-Dollar für KI-Musikgenerierungswerkzeuge aus und produzierte 127 Tracks. Genau drei schafften es in tatsächlich verwertbare Projekte. Die anderen 124? Sie sitzen in einem Ordner, den ich "Uncanny Valley Symphonies" genannt habe.

Dies ist kein weiterer heißer Take darüber, dass KI Musiker ersetzt. Ich bin nicht hier, um zu sagen, dass die Roboter für unsere Jobs kommen, oder dass KI Kreativität demokratisiert, oder welche Erzählung auch immer sich in 280 Zeichen ausbreiten lässt. Was ich in 31 Tagen gelernt habe, in denen ich KI für jedes einzelne Hintergrundmusikbedürfnis nutzte, war viel nuancierter, frustrierender und gelegentlich brillanter als jede dieser Erzählungen suggeriert.

Ich bin Sarah Chen und führe ein kleines Musikproduktionsstudio in Portland, das sich auf Hintergrundmusik für Unternehmensvideos, Indie-Dokumentationen und mittelständische YouTube-Schaffende spezialisiert hat. Mein typischer Monat umfasst die Komposition von 15-20 Originalstücken, das Lizenzen von weiteren Dutzend aus meinem Back-Catalog und etwa 80 Stunden Produktionszeit. Ich beschloss, meinen gesamten Workflow durch KI-Tools zu ersetzen, um zu sehen, was tatsächlich passiert, wenn die Gummi auf die Straße trifft.

Die Ergebnisse überraschten mich. Nicht, weil KI besser oder schlechter war als ich erwartet hatte, sondern weil die Realität so viel komplizierter war, als darüber gesprochen wird.

Die Einrichtung: Fünf Werkzeuge, Ein Monat, Null traditionelle Komposition

Ich hielt mich an ein strenges Protokoll. Während des gesamten Monats Februar würde ich keinen einzigen Ton traditionell komponieren. Jedes Projekt, das durch mein Studio kam, würde ausschließlich über KI-Musikgenerierungswerkzeuge abgewickelt. Ich wählte fünf Plattformen basierend auf Empfehlungen von anderen Komponisten und Online-Bewertungen: Soundraw, AIVA, Mubert, Boomy und Suno AI.

Mein typischer Kundenstamm umfasst ein lokales Tech-Startup, das fröhliche Unternehmenshintergrundmusik benötigt, einen Dokumentarfilmer, der an Umweltthemen arbeitet, drei YouTube-Schaffende in verschiedenen Nischen (Tech-Reviews, Meditationsinhalte und wahre Verbrechen) sowie gelegentliche Hochzeitsvideoproduktionen. Der Februar brachte mir 14 verschiedene Projekte, die 23 separate musikalische Stücke benötigten.

Ich richtete eine Tracking-Tabelle ein, die einem Datenwissenschaftler stolz machen würde. Für jeden KI-generierten Track protokollierte ich: Generierungszeit, Anzahl benötigter Iterationen, Komplexität des Prompts, erforderliche Bearbeitungszeit, Kundenzufriedenheitsbewertung und ob der Track letztendlich verwendet wurde. Ich verfolgte auch meinen emotionalen Zustand während des Prozesses, was sich als relevanter herausstellte, als ich ursprünglich dachte.

Die finanzielle Aufschlüsselung war aufschlussreich. Ich gab 847 US-Dollar für die fünf Plattformen aus: 299 US-Dollar für den professionellen Plan von AIVA, 199 US-Dollar für das Creator-Abonnement von Soundraw, 149 US-Dollar für die kommerzielle Lizenz von Mubert, 99 US-Dollar für die Premium-Stufe von Boomy und 101 US-Dollar für verschiedene Suno AI-Guthaben. Verglichen mit meinen üblichen monatlichen Ausgaben von etwa 200 US-Dollar für Softwarelizenzen und Sample-Bibliotheken, plus meiner Zeit, die ich mit 75 US-Dollar pro Stunde für Kompositionsarbeit schätze.

Auf dem Papier, wenn KI meine Kompositionszeit erheblich reduzieren könnte, könnte die Mathematik aufgehen. Ein typisches 3-minütiges Hintergrundstück braucht von mir 4-6 Stunden zum Komponieren, Arrangieren und Produzieren. Wenn KI vergleichbare Ergebnisse in 30 Minuten liefern könnte, würde ich mit einer 10-fach höheren Produktivität rechnen. Das ist das Versprechen, zumindest.

Woche Eins: Die Flitterwochenphase und ihr abruptes Ende

Das erste Projekt war ein 90-sekündiges Unternehmensvideo für ein nachhaltiges Verpackungsunternehmen. Sie wollten etwas, das "aufmunternd, aber nicht kitschig, modern, aber nicht trendig, energetisch, aber nicht überwältigend" ist. Du weißt schon, das übliche unbestimmte Briefing, das irgendwie perfekt Sinn macht für jeden, der diese Arbeit gemacht hat.

"Das Problem ist nicht, dass KI-Musik schlecht klingt – es ist, dass sie fast richtig klingt. Dieses 'fast' ist der Punkt, an dem du dein Publikum verlierst, ohne dass es weiß, warum."

Ich begann mit Soundraw, weil die Benutzeroberfläche am zugänglichsten aussah. Ich wählte "Corporate", setzte die Stimmung auf "Hell", wählte ein Tempo von etwa 120 BPM und klickte auf generieren. Siebenundvierzig Sekunden später hatte ich einen Track. Er war... in Ordnung. Aufrichtig in Ordnung. Die Harmoniefolgen waren vorhersehbar, aber funktional. Die Instrumentierung war generisch, aber angemessen. Er klang genau wie 10.000 andere Unternehmenshintergrundtracks, was ehrlich gesagt manchmal genau das ist, was du brauchst.

Ich schickte es an den Kunden. Sie genehmigten es in 23 Minuten. Ich hatte gerade unter einer Stunde etwas abgeschlossen, wofür ich normalerweise einen halben Tag benötigen würde. Ich fühlte mich, als hätte ich das Feuer entdeckt.

Das zweite Projekt zerschlug diese Illusion. Eine Dokumentarfilmerin benötigte ein melancholisches Klavierstück für eine Szene über Klimaflüchtlinge. Sie schickte mir einen groben Schnitt des Materials: eine Familie, die ihre Habseligkeiten packt, um ihr Küstenhaus zum letzten Mal zu verlassen. Die Szene dauerte 2 Minuten und 37 Sekunden, mit einem entscheidenden emotionalen Höhepunkt bei 1:43, als die Großmutter ein letztes Mal auf das Haus zurückblickt.

Ich verbrachte sechs Stunden über drei Tage damit, zu versuchen, KI dazu zu bringen, etwas zu generieren, das funktionierte. AIVA gab mir technisch versierte Klavierkompositionen, die emotional leer wirkten. Muberts Ambient-Angebote waren zu abstrakt. Soundraws "Sad"-Preset erzeugte Tracks, die mehr "leicht niedergeschlagen" als "existentiell verheerend" waren. Das Problem war nicht, dass die KI keine traurige Klaviermusik machen konnte. Das konnte sie absolut. Das Problem war, dass sie keine traurige Klaviermusik machen konnte, die genau zu einem bestimmten emotionalen Höhepunkt bei 1:43 führte.

Ich generierte 34 Variationen. Ich versuchte verschiedene Prompts: "melancholisches Klavier mit emotionalem Aufbau", "trauriges nachdenkliches Klavier, das allmählich intensiver wird", "reflektierende Klavierkomposition mit dramatischem Moment." Nichts traf das Ziel. Die KI konnte Stimmung erzeugen, aber sie konnte keine Erzählung schaffen.

Am Ende verwendete ich einen KI-generierten Basistrack von AIVA und verbrachte vier Stunden damit, ihn manuell in meiner DAW zu bearbeiten, Dynamik anzupassen, subtile Streicherlagen hinzuzufügen und die Anordnung so umzustrukturieren, dass sie dem emotionalen Bogen der Szene entsprach. Das finale Stück war vielleicht 60% KI, 40% menschliches Eingreifen. Der Kunde liebte es, aber ich hatte mehr Zeit darauf verwendet, als hätte ich es von Grund auf neu komponiert.

Das Problem des Prompts: Warum KI-Musik schwieriger ist als KI-Text

In Woche zwei hatte ich eine Theorie darüber entwickelt, warum die KI-Musikgenerierung so viel frustrierender wirkt als die Textgenerierung. Wenn du ChatGPT oder Claude ansprichst, kannst du konversationell iterieren. "Mach es formeller." "Füge einen Abschnitt über X hinzu." "Schreibe den Schluss um." Der Feedbackkreislauf ist direkt und intuitiv.

Musik funktioniert nicht so. Die meisten KI-Musikwerkzeuge bieten keinen konversationellen Feinschliff. Man erhält Dropdown-Menüs, Schieberegler und Genre-Tags. Soundraw erlaubt es, "Energie" und "Stimmung" anzupassen, aber was bedeutet es, den Energieriegel von 7 auf 8 zu verschieben? Wie kommunizierst du, dass du möchtest, dass der Track sich anfühlt wie "durch leere Straßen einer Stadt um 3 Uhr morgens fahren" oder "der Moment, bevor gute Nachrichten eintrafen"?

Ich begann, ein Prompt-Journal zu führen, in dem ich dokumentierte, was funktionierte und was nicht. Einige Entdeckungen: „Cinematic“ als Genre-Tag ergibt auf verschiedenen Plattformen völlig unterschiedliche Ergebnisse. Bei AIVA bedeutete es orchestrale Steigerungen und dramatische Streicher. Bei Mubert bedeutete es Ambient-Soundscapes mit gelegentlichem Perkussion. Bei Soundraw... ehrlich gesagt habe ich nie ganz herausgefunden, was es bedeutete.

Die erfolgreichsten Prompts waren die spezifischsten und technischsten: "120 BPM, C-Dur, akustische Gitarre und Klavier, Vers-Refrain-Struktur, moderate Dynamik." Aber hier kommt die Ironie: Wenn ich genug über Musiktheorie weiß, um diesen Prompt zu schreiben, weiß ich wahrscheinlich genug, um das Stück selbst zu komponieren. Die Tools, die den geringsten Aufwand erforderten, ...