← 라이브러리로 돌아가기

Threads digest · @edutrend_

사고·창의성

AI가 만든 음악, 왜 다 비슷하게 들릴까요?

AI는 음악을 똑같은 방식으로 평탄화하지 않았습니다. 같은 장르 안의 다양성을 줄이는 모델과 장르 사이의 경계를 흐리는 모델을 통해, 문화적 다양성과 창작 노동의 문제를 살펴봅니다.

다양한 악기의 음색과 리듬이 획일적인 반복으로 압축되는 음악 평탄화의 비유 · AI 생성 주제 이미지
글의 주제를 표현한 AI 생성 이미지 · 실제 연구 장면이 아닙니다.

AI가 만든 음악, 왜 다 비슷하게 들릴까요?

펜실베이니아대 연구진이 생성형 AI 모델 Suno와 Lyria 3로 만든 트랙을 인간의 음악과 비교했습니다. 음향 정보 검색(MIR)의 72개 특성으로 들여다본 결과는 흥미롭습니다.

AI는 음악을 그저 흉내 내는 데 그치지 않고, 시스템마다 다른 방식으로 음악을 ‘단조롭게 평탄화(Flattening)’하고 있었습니다.

같은 장르 안의 획일화와 장르 사이의 경계 붕괴

Lyria 3는 장르 사이의 구분을 대체로 유지하면서, 같은 장르 안의 음향적 다양성을 줄였습니다. 측정한 음향 특성의 분산은 인간 음악 대비 평균 약 84% 수준이었습니다.

Suno에서는 다른 양상이 나타났습니다. 같은 장르 안에서는 인간 음악보다 음향 특성이 더 넓게 퍼졌지만, Afrobeats·K-pop·Dance Pop·Heavy Metal 사이의 구분은 더 약했습니다.

장르 안에서 소리가 다양해지는 것과, 각 장르의 고유한 색깔이 살아 있는 것은 같은 이야기가 아니었습니다.

프롬프트보다 강하게 드러난 기본 성향

템포나 리듬을 섬세하게 지시해도 두 모델은 프롬프트를 충실하게 따르지 않았습니다. Lyria가 템포를 부분적으로 반영하는 차이는 있었지만, 연구진은 전체적으로 학습된 기본 성향이 결과를 강하게 이끄는 것으로 해석했습니다.

사용자가 프롬프트를 정교하게 깎는 것만으로 원하는 음악적 차이를 만들기 어렵다는 이야기입니다.

Suno는 장르 이름만 준 조건에서 제목도 반복했습니다. 장르별 100곡 중 고유 제목의 비율은 13~16%에 그쳤고, 장르를 가로지르는 제목 중복도 나타났습니다.

AI 음악과 인간 음악을 가른 미세한 움직임

머신러닝 분류기는 이번 표본의 AI 음악과 인간 음악을 높은 수준으로 구별했습니다. 교차검증 평균 AUC는 0.991, 정확도는 96.7%였습니다.

차이를 만든 것은 단순히 보컬의 유무가 아니었습니다. 인간 음악도 연주곡인 Afrobeats만 따로 분석해도 구분은 유지됐습니다.

중요한 단서는 시간에 따른 음색 변화의 가속도와 음 시작 사이의 간격(IOI) 등 음색·리듬 특성이었습니다. 소리의 미세한 움직임에서 인간 음악과 AI 음악 사이의 차이가 드러난 것입니다.

왜 미학을 넘어 정의의 문제일까요?

이 논문이 인용한 음악 생성 연구용 데이터셋 조사에서는 음악 시간의 약 94%가 서구 음악에 치우쳐 있고, 아프리카 음악은 약 0.3% 수준으로 보고됐습니다.

이런 불균형 속에서 대량 생산된 AI 음악이 스트리밍 플랫폼과 추천 알고리즘을 장악하면, 복잡하고 고유한 비서구 음악 전통이 플랫폼 친화적인 ‘단순화된 형태’로 왜곡되고 고착화될 위험이 있습니다.

우리가 지키려는 다양성은 무엇일까요?

결국 알고리즘이 다루기 쉬운 규격화된 음악만 살아남고, 창작자들이 지켜온 문화적 맥락, 미세 타이밍, 고유한 그루브는 배제될 수 있습니다.

AI 음악 대중화의 이면에 숨겨진 ‘문화적 동질화’와 ‘창작 노동의 대표성 상실’을 직시하고, 우리가 소비하는 음악에서 진정으로 가치 있게 여겨야 할 다양성이 무엇인지 돌아보아야 할 시점입니다.

이 글에서 소개한 원문

The Algorithmic Flattening of Sound: Computational Evidence and Justice Implications of AI Music Homogenization

Zoe Slendebroek, Danaé Metaxa (2026)

프리프린트(AIES 2026 게재 예정 표기) · arXiv:2608.06106v1

연구 원문 보기 ↗
원문 타래 이어 읽기Edutrend의 Threads에서

이 글 공유하기