Արհեստական ինտելեկտի (AI) կողմից ստեղծված երաժշտությունն արդեն իրականություն է դարձել։ AI գործիքներն այժմ կարող են երաժշտություն ստեղծել միայն տեքստային հուշումով, և արդյունքները գերազանցում են բոլոր սպասելիքները:
Այնուամենայնիվ, դա չի նշանակում, որ AI գործիքները կարող են ուղղակիորեն երաժշտություն ստեղծել: Փոխարենը, երաժշտությունը անցնում է AI պատկերի գեներատորների միջոցով, որոնք ստեղծում են երաժշտության սպեկտրոգրամներ: Այնուհետև կարող եք այս սպեկտրոգրամները վերածել աուդիո հոլովակների: Արդյո՞ք սա նշանակում է, որ AI-ի կողմից ստեղծված երաժշտությունը ապագայում կփոխարինի մարդու կողմից ստեղծված երաժշտությանը:
Պատկերի վրա հիմնված AI-ն համակարգչային ալգորիթմներին սովորեցնում է ճանաչել տեղերի և առարկաների պատկերները: Դրանից հետո ալգորիթմներն օգտագործվում են նմանատիպ, բայց եզակի պատկերներ վերարտադրելու համար։ DALL-E-ն և Stable Diffusion-ը լավ օրինակներ են: Առայժմ դուք կարող եք ստիպել այս ծրագրերին մատուցել այն, ինչ ցանկանում եք: Ամբողջը տեքստի միջոցով:
Այսպիսով, AI գործիքը, որը կարող է ստեղծել սպեկտրոգրամներ, կոչվում է Riffusion: Սա արհեստական ինտելեկտի վերջին նախագիծն է, և իր էությամբ այն տեքստից պատկերների գեներատոր է՝ հիմնված կայուն դիֆուզիայի վրա (Stable Diffusion): Բայց ինչպե՞ս նա կարողացավ երաժշտություն ստեղծել։
Riffusion-ի հետևում կանգնած են ռոբոտիստ Հեյկ Մարտիրոսը և ծրագրավորող Սեթ Ֆորսգրենը: Նրանք ցանկանում էին ստուգել, թե արդյոք ժամանակակից AI ծրագրերը կարող են աշխատել աուդիո դաշտում: Այսպիսով սկսվեց Riffusion-ի երաժշտություն ստեղծելու ճանապարհորդությունը: Ֆորսգրենը տեխնոլոգիայի մասին պատմում է այսպես. «Ես և Հեյքը միասին նվագում ենք մի փոքրիկ խմբում, և մենք սկսել ենք նախագիծը միայն այն պատճառով, որ սիրում ենք երաժշտություն: Տեսնելով Stable Diffusion-ի ապշեցուցիչ արդյունքները պատկերների ստեղծման համար, մենք ինքներս մեզ հարցրինք, թե ինչպիսի՞ն կլինի դիֆուզիոն մոտեցում օգտագործել երաժշտություն ստեղծելու համար:
Պարզելու համար, երկու հոգուց բաղկացած թիմը վարժեցրեց բաց կոդով կայուն դիֆուզիոն սպեկտրոգրամային պատկերների վրա: Դրանք համակցվել են տեքստի հետ։ Դրանից հետո ծրագիրը կարողացավ ստեղծել երաժշտության սպեկտրոգրամներ՝ հիմնվելով որոշակի հուշումների վրա։
Սկզբում նրանք չգիտեին, թե արդյոք Stable Diffusion մոդելի ճարտարապետությունը կարո՞ղ է ստեղծել սպեկտրոգրամային պատկեր՝ բավականաչափ ճշգրտությամբ՝ ձայնի փոխարկելու համար, բայց պարզվեց, որ այն կարող է անել դա և ավելին: Մարտիրոսն ու Ֆորսգրենը հրապարակել են իրենց արդյունքները Riffusion-ի պաշտոնական կայքում։ Սկզբում դա հոբբի նախագիծ էր: Սակայն այժմ այցելուները կարող են ավելացնել իրենց տեքստային խորհուրդները: Սա կստիպի Riffusion-ին ստեղծել սպեկտրոգրամ: Ավելի ուշ այցելուները կարող են օգտագործել այն որպես աուդիո հոլովակ և նվագարկել կայքում։
Արդյունքները այս փուլում կարող են լինել ոչ շատ բարձր որակի: Բայց դա հաստատ այնքան էլ վատ չէ, որքան դուք կարող եք մտածել:
Riffusion-ը կարող է նաև փորձել նվագարկել երգեր, որոնք ներառում են ռեփ Էմինեմի ոճով և K-Pop: Բայց տեքստեր ստեղծելու ֆունկցիան այնքան էլ լավը չէ։ Տեքստի փոխարեն դուք կլսեք մարդկային մեղեդային շփոթություն: Բայց ամենահետաքրքիրն այն է, որ այս շփոթությունը դեռ համընկնում է երգի տոնայնության հետ։
Այս տեխնոլոգիան դեռ պատրաստ չէ փոխարինել մարդու կողմից ստեղծված երաժշտությանը։ Բայց նախագիծը մեզ ցույց տվեց, որ AI պատկերների մշակման ալգորիթմները դեռևս մեծ ներուժ ունեն: Շուտով այն կարող է դառնալ երաժշտական հեղինակների օգնական։ Միգուցե երգ գրելու համար ինչ-որ ոգեշնչում ստանալու համար:
Դուք կարող եք օգնել Ուկրաինային պայքարել ռուս զավթիչների դեմ։ Դա անելու լավագույն միջոցը Ուկրաինայի զինված ուժերին միջոցների նվիրաբերումն է Savelife կամ պաշտոնական էջի միջոցով NBU.
Հետաքրքիր է նաև.