Η μουσική που παράγεται από την τεχνητή νοημοσύνη (AI) έχει ήδη γίνει πραγματικότητα. Τα εργαλεία τεχνητής νοημοσύνης μπορούν πλέον να δημιουργούν μουσική με τίποτα άλλο εκτός από ένα μήνυμα κειμένου και τα αποτελέσματα ξεπερνούν κάθε προσδοκία.
Ωστόσο, αυτό δεν σημαίνει ότι τα εργαλεία AI μπορούν να δημιουργήσουν απευθείας μουσική. Αντίθετα, η μουσική περνά μέσα από γεννήτριες εικόνων AI που δημιουργούν φασματογράμματα της μουσικής. Στη συνέχεια, μπορείτε να μετατρέψετε αυτά τα φασματογράμματα σε κλιπ ήχου. Σημαίνει αυτό ότι η μουσική που δημιουργείται από την τεχνητή νοημοσύνη θα αντικαταστήσει την ανθρωπογενή μουσική στο μέλλον;
Η τεχνητή νοημοσύνη που βασίζεται σε εικόνες διδάσκει σε αλγόριθμους υπολογιστών να αναγνωρίζουν εικόνες τόπων και αντικειμένων. Μετά από αυτό, χρησιμοποιούνται αλγόριθμοι για την αναπαραγωγή παρόμοιων αλλά μοναδικών εικόνων. Το DALL-E και το Stable Diffusion είναι καλά παραδείγματα. Προς το παρόν, μπορείτε να κάνετε αυτά τα προγράμματα να αποδίδουν οτιδήποτε θέλετε. Όλα μέσω κειμένου!
Έτσι, το εργαλείο AI που μπορεί να δημιουργήσει φασματογράμματα ονομάζεται Riffusion. Αυτό είναι το πιο πρόσφατο έργο τεχνητής νοημοσύνης, και στην ουσία του, είναι μια γεννήτρια εικόνων από κείμενο που βασίζεται σε σταθερή διάχυση (Stable Diffusion). Πώς όμως έγινε ικανός να παράγει μουσική;
Πίσω από το Riffusion είναι ο ρομποτικός Heik Martiros και ο προγραμματιστής λογισμικού Seth Forsgren. Ήθελαν να δοκιμάσουν εάν τα σύγχρονα προγράμματα τεχνητής νοημοσύνης μπορούσαν να λειτουργήσουν στον ηχητικό τομέα. Έτσι ξεκίνησε το ταξίδι των Riffusion στη δημιουργία μουσικής. Ο Forsgren μιλάει για την τεχνολογία ως εξής: «Ο Hake και εγώ παίζουμε μαζί σε ένα μικρό συγκρότημα και ξεκινήσαμε το έργο μόνο και μόνο επειδή αγαπάμε τη μουσική. Αφού είδαμε τα εκπληκτικά αποτελέσματα του Stable Diffusion για τη δημιουργία εικόνων, αναρωτηθήκαμε πώς θα ήταν να χρησιμοποιούσαμε μια προσέγγιση διάχυσης για τη δημιουργία μουσικής;
Για να το ανακαλύψουν, μια ομάδα δύο ατόμων εκπαίδευσε τη σταθερή διάχυση ανοιχτού κώδικα σε εικόνες φασματογράμματος. Συνδυάστηκαν με το κείμενο. Μετά από αυτό, το πρόγραμμα μπόρεσε να δημιουργήσει φασματογράμματα μουσικής με βάση ορισμένες ενδείξεις.
Στην αρχή, δεν ήξεραν αν η αρχιτεκτονική του μοντέλου Stable Diffusion θα μπορούσε να δημιουργήσει μια εικόνα φασματογράμματος με αρκετή ακρίβεια για να μετατραπεί σε ήχο, αλλά αποδείχθηκε ότι μπορούσε να κάνει αυτό και πολλά άλλα. Ο Martiros και ο Forsgren δημοσίευσαν τα αποτελέσματά τους στην επίσημη ιστοσελίδα του Riffusion. Στην αρχή ήταν ένα έργο χόμπι. Αλλά τώρα οι επισκέπτες μπορούν να προσθέσουν τις δικές τους συμβουλές κειμένου. Αυτό θα αναγκάσει το Riffusion να δημιουργήσει ένα φασματόγραμμα. Αργότερα, οι επισκέπτες μπορούν να το χρησιμοποιήσουν ως ηχητικό κλιπ και να το παίξουν στον ιστότοπο.
Τα αποτελέσματα σε αυτό το στάδιο μπορεί να μην είναι πολύ υψηλής ποιότητας. Αλλά σίγουρα δεν είναι τόσο κακό όσο νομίζετε.
Το Riffusion μπορεί επίσης να επιχειρήσει να παίξει τραγούδια που περιλαμβάνουν ραπ στο στυλ του Eminem και K-Pop. Αλλά η λειτουργία της δημιουργίας στίχων δεν είναι τόσο καλή. Αντί για κείμενο, θα ακούσετε μελωδικές ανθρώπινες ασυναρτησίες. Αλλά το πιο ενδιαφέρον είναι ότι αυτή η ασυναρτησία εξακολουθεί να ταιριάζει με τον τόνο του τραγουδιού.
Αυτή η τεχνολογία δεν είναι ακόμη έτοιμη να αντικαταστήσει την ανθρωπογενή μουσική. Αλλά το έργο μας έδειξε ότι οι αλγόριθμοι επεξεργασίας εικόνας AI εξακολουθούν να έχουν μεγάλες δυνατότητες. Σύντομα μπορεί να γίνει βοηθός μουσικών δημιουργών. Ίσως για να πάρω κάποια έμπνευση για να γράψω ένα τραγούδι.
Μπορείτε να βοηθήσετε την Ουκρανία να πολεμήσει ενάντια στους Ρώσους εισβολείς. Ο καλύτερος τρόπος για να γίνει αυτό είναι να δωρίσετε χρήματα στις Ένοπλες Δυνάμεις της Ουκρανίας μέσω Savelife ή μέσω της επίσημης σελίδας NBU.
Επίσης ενδιαφέρον: