در ژانویه، گوگل اعلام کرد MusicLM، یک ابزار آزمایشی هوش مصنوعی که می تواند قطعات موسیقی را از ورودی های متن تولید کند – شبیه به ChatGPT و بارد می تواند یک دستور متنی را به داستان تبدیل کند و همچنین DALL-E تصاویر را از دستورات تولید می کند. این شرکت اکنون گفته است که این ابزار برای آزمایش در دسترس است.
این شرکت اشاره نکرده است که ابزار MusicLM در کدام کشورها در دسترس است. وقتی اعضای تیم Times of India-Gadgets Now بررسی کردند، می‌توانیم در لیست انتظار ثبت‌نام کنیم تا آن را در آشپزخانه تست هوش مصنوعی امتحان کنیم. برای آزمایش در وب، اندروید و آیفون در دسترس خواهد بود.
MusicLM چگونه کار می کند؟
برنامه هوش مصنوعی می تواند ورودی متن را به ثانیه ها و حتی چند دقیقه موسیقی تبدیل کند. کاربران فقط باید یک درخواست را تایپ کنند، مانند “موسیقی شاد برای یک مهمانی” و MusicLM دو نسخه از یک آهنگ را ایجاد می کند. کاربران می توانند به هر دو نسخه گوش دهند و “به آهنگی که بیشتر دوست دارید جایزه بدهید” که به بهبود مدل کمک می کند.
این شرکت همچنین گفت که با نوازندگانی مانند دن دیکن برای جمع‌آوری بازخورد اولیه کار کرده است.
تحقیق و حالت های MusicLM
در تحقیقی که در Github منتشر شد، این شرکت رشته‌ای از نمونه‌ها را که با استفاده از این مدل تولید کرده بود، آپلود کرد.
این شرکت در تحقیق منتشر شده گفت: «MusicLM فرآیند تولید موسیقی شرطی را به عنوان یک کار مدل‌سازی سلسله مراتبی دنباله به دنباله ارائه می‌کند و موسیقی را با فرکانس 24 کیلوهرتز تولید می‌کند که در طول چند دقیقه ثابت می‌ماند».
همچنین بخوانید
نمونه‌ها شامل آهنگ‌های 5 دقیقه‌ای بودند که طبق گزارش‌ها با توضیحات طولانی ایجاد شده‌اند. گفته شد که هر چه دستورالعمل ها واضح تر باشد، موسیقی بهتر است.
مقاله تحقیقاتی همچنین به یک نسخه نمایشی “حالت داستانی” اشاره کرد که در آن به مدل چندین ورودی متن با مدت زمان برای هر نوع موسیقی که باید ایجاد شود داده شد. مثلاً مدل می تواند با این ملودی ها آهنگ بسازد.
زمان برای مراقبه (0:00-0:15)
زمان بیدار شدن (0:15-0:30)
زمان اجرا (0:30-0:45)
زمان برای دادن 100٪ (0:45-0:60)
محققان همچنین گفتند که آزمایش‌هایشان نشان داد MusicLM از سیستم‌های قبلی هم از نظر کیفیت صدا و هم از نظر رعایت توضیحات متن بهتر عمل می‌کند.
فیس بوکتوییترلینکدین
پایان مقاله
