Bei den meisten KI-Musikwerkzeugen endet die Geschichte bei der erzeugten Song. Udio setzt sich auf der eigenen Seite anders: Es nennt generative Musik einen Anfang, kein Ziel. Die erste Fassung ist die vordere Hälfte des Ablaufs; dahinter liegt ein ganzer Satz Werkzeuge, um den Song auseinanderzunehmen, zu ändern und wieder zusammenzusetzen.

Erster Durchlauf: aus einer Beschreibung starten

Der Einstieg ist ein einziger Satz: jeden Song machen, Hauptsache man kann ihn sich vorstellen. Der Weg ist auch nicht kompliziert. Sagen, was man will — Genre, Stimmung, Instrumente und Sprache dürfen alle hinein —, und Udio liefert eine erste Fassung mit Gesang und Arrangement. Stimmt die Richtung nicht, Prompt ändern und neu, und ein Fehlversuch kostet fast nichts. Genau darin unterscheidet sich der Ablauf vom Schreiben von Hand: Eine Richtung umzuwerfen kostete früher Tage an Arbeit.

Wer den Prompt nicht formulieren kann, hört zuerst Fertiges auf der Startseite. Die Seite verschlagwortet Stücke nach Stil — Progressive House, Electro House, Alternative Rock, Dark Pop, Synthwave und so weiter —, und zu hören, was andere gemacht haben, um dann die eigene Beschreibung rückwärts daraus zu bauen, bringt schneller weiter als eine Anleitung.

Was nach der Generierung geht: verlängern, neu zeichnen, remixen

Die Seite fasst die Werkzeuge in vier Eingänge: Verlängern, Inpainting, Remix und Song hochladen. Die ersten drei wiegen für Leute, die Inhalte produzieren, praktisch schwer.

Verlängern löst den zu kurzen Song: Eine Idee von 30 Sekunden lässt sich weiterführen, bis eine vollständige Struktur steht. Inpainting löst die falsche Stelle: Statt den ganzen Track neu zu erzeugen, wird nur der Abschnitt neu gezeichnet, der es braucht. Remix nimmt ein vorhandenes Stück als Material und arbeitet davon aus weiter — Stil, Arrangement oder Vortrag lassen sich vom selben Song aus ändern.

Material, Stimme und Stil: drei Hebel in Reichweite

Der erste Hebel ist die Stimme. Udio bringt eine eigene Stimmbibliothek mit, und bezahlte Stufen erlauben, die eigene Stimme zu speichern und wiederzuverwenden — ein Klangbild kann also über mehrere Stücke wiederkehren, damit eine Reihe ihre Identität behält.

Der zweite Hebel ist der Stil. Die Seite nennt das Styles, und der Weg ist, ein vorhandenes Musikstück als Stilreferenz zu nehmen und einen neuen Song dorthin zu lenken. Bezahlte Stufen ergänzen feinere Eingriffe wie Künstlerstil, Stilmischung und Stilreduktion. Wer Musik schwer in Worten beschreiben kann, kommt mit einem Referenzclip meist weiter als mit einem langen Prompt.

Der dritte Hebel ist das Material. Udio nimmt eigene Audiodateien als Ausgangspunkt — eine Gesangslinie, eine Gitarre oder eine Umgebungsaufnahme hineingeben und daraus weiterwachsen lassen. Dieser Schritt macht aus dem Werkzeug, das Songs aus dem Nichts zaubert, eines, das Vorhandenes zu einem fertigen Song macht.

Die Grenze der kostenlosen Stufe: genug zum Spielen, nicht für Serie

Die Seite ist ehrlich zur kostenlosen Stufe: 100 Credits im Monat, höchstens 10 Credits pro Tag, die sich nicht ansammeln, bis zu drei vollständige Songs mit 130 Sekunden pro Tag und höchstens vier gleichzeitig laufend. Das reicht, um Werkzeug, Stil und Prompt zu testen, aber laufende Produktion stößt schnell an die Grenze von drei am Tag.

Standard schaltet genau die genannten Hebel frei: Stimmkontrolle, Bearbeitung von Text und Musik, Erzeugung aus hochgeladenem Audio, Stilreferenz und eigenes Coverbild, und es fällt die Grenze von drei zwei Minuten langen Songs pro Tag weg. Pro hebt die Credits auf 6000 und die parallele Erzeugung auf 10, vom Anbieter als volle Stufe für Vielproduzenten positioniert.

Credits sammeln sich nicht an: Was im Monat übrig bleibt, verfällt, was für Planung und Budget zählt. Ist das Kontingent aufgebraucht, lassen sie sich einzeln kaufen, laut Seite 3 Dollar für 100 Credits und 25 Dollar für 1000. Pro Credit ist das 1000er-Paket deutlich billiger, bei sicherer langfristiger Nutzung also der bessere Kauf. Dazu gibt es einen Studierendenpreis, den man prüfen sollte, wenn man Anspruch hat.

Die Zahlen nebeneinander: kostenlos 0 Dollar, 100 Credits im Monat, 10 pro Tag, vier parallel. Standard 8 Dollar im Monat, jährlich 96 Dollar, 2400 Credits und sechs parallel. Pro 24 Dollar im Monat, jährlich 288 Dollar, 6000 Credits und 10 parallel.

Danach: veröffentlichen und entdeckt werden

Teilen ist Teil des Ablaufs. Ein fertiger Song lässt sich direkt auf der Plattform veröffentlichen, andere können hören und folgen, und allmählich entsteht eine Gemeinschaft. Für Hörende ist es zugleich ein Ort, Neues zu finden. Die Seite beschreibt es als veröffentlichen, damit es gehört wird, Lieblingsschaffenden folgen und Teil einer Gemeinschaft aus Machern, Künstlern, Musikern und Musikfreunden werden. Für Einsteiger ist dieser Weg des Veröffentlichens und Gehörtwerdens viel weniger Arbeit, als allein ein Publikum aufzubauen.

Für wen es passt

Udio passt zu Leuten, die KI-Musik schon im Ablauf haben: Kurzvideo, das einen Satz Hintergrundtitel braucht; ein Podcast mit festem Intro und Outro; ein kleines Spiel mit mehreren Schleifen. Diese Bedarfe sind mengenstark, gleichmäßig und nicht auf Kunst aus, und Credits gegen Zeit zu tauschen ist die schlichte Rechnung.

Geht es um einen Song, der wirklich der eigene ist, liegt der Wert vor allem in der vorderen Hälfte: ein Motiv hier zu einem vollen Arrangement ausbauen, dann Struktur, Harmonik und Instrumentierung in die eigene Audioworkstation holen und neu aufbauen. Was die KI zurückgibt, ist eher Skizze als fertige Aufnahme.

Eine letzte Warnung: Beim Veröffentlichen erzeugter Musik müssen Umfang der Lizenz, erlaubte gewerbliche Nutzung und die Frage, ob die Nachahmung von Stimme oder Stil eines bestimmten Künstlers zulässig ist, vorher geklärt werden. Diese Grenzen werden regional unterschiedlich beurteilt, und die Bedingungen zuerst zu lesen ist viel einfacher als später zu reparieren.

Das Wertvollste an einem generativen Musikwerkzeug ist oft nicht, wie gut ein Versuch gelingt, sondern dass es die Kosten des Ausprobierens fast auf null drückt. Man kann zehn Richtungen hören, bevor man eine wählt — vorher undenkbar.