Ang musikang nabuo ng artificial intelligence (AI) ay naging realidad na. Ang mga tool ng AI ay maaari na ngayong lumikha ng musika nang walang anuman kundi isang text prompt at ang mga resulta ay lalampas sa lahat ng inaasahan.
Gayunpaman, hindi ito nangangahulugan na ang mga tool ng AI ay maaaring direktang lumikha ng musika. Sa halip, dumaan ang musika sa mga generator ng imahe ng AI na lumilikha ng mga spectrogram ng musika. Maaari mong i-convert ang mga spectrogram na ito sa mga audio clip. Nangangahulugan ba ito na ang musikang binuo ng AI ay papalitan ng musikang gawa ng tao sa hinaharap?
Ang AI na nakabatay sa imahe ay nagtuturo ng mga algorithm ng computer upang makilala ang mga larawan ng mga lugar at bagay. Pagkatapos nito, ginagamit ang mga algorithm upang magparami ng magkatulad ngunit natatanging mga larawan. Ang DALL-E at Stable Diffusion ay magandang halimbawa. Sa ngayon, maaari mong gawin ang mga program na ito na mag-render ng kahit anong gusto mo. Lahat sa pamamagitan ng text!
Kaya, ang tool ng AI na maaaring lumikha ng mga spectrogram ay tinatawag na Riffusion. Ito ang pinakabagong proyekto ng AI, at sa esensya nito, ito ay isang generator ng mga imahe mula sa teksto batay sa stable diffusion (Stable Diffusion). Ngunit paano siya naging may kakayahang bumuo ng musika?
Sa likod ng Riffusion ay ang roboticist na si Heik Martiros at software developer na si Seth Forsgren. Nais nilang subukan kung ang mga modernong AI program ay maaaring gumana sa larangan ng audio. Kaya nagsimula ang paglalakbay sa paggawa ng musika ng Riffusion. Pinag-uusapan ni Forsgren ang teknolohiyang tulad nito: “Kami ni Hake ay tumutugtog sa isang maliit na banda nang magkasama, at sinimulan namin ang proyekto dahil lang sa mahilig kami sa musika. Matapos makita ang mga nakamamanghang resulta ng Stable Diffusion para sa pagbuo ng imahe, tinanong namin ang aming sarili kung ano ang hitsura ng paggamit ng diskarte sa pagsasabog upang lumikha ng musika?
Upang malaman, isang pangkat ng dalawa ang nagsanay sa open-source na Stable Diffusion sa mga larawan ng spectrogram. Pinagsama sila sa teksto. Pagkatapos nito, ang programa ay nakagawa ng mga spectrogram ng musika batay sa ilang mga pahiwatig.
Sa una, hindi nila alam kung ang arkitektura ng modelo ng Stable Diffusion ay maaaring lumikha ng isang spectrogram na imahe na may sapat na katumpakan upang ma-convert sa audio, ngunit ito ay lumabas na magagawa nito iyon at higit pa. Inilathala nina Martiros at Forsgren ang kanilang mga resulta sa opisyal na website ng Riffusion. Noong una, hobby project ito. Ngunit ngayon ang mga bisita ay maaaring magdagdag ng kanilang sariling mga tip sa teksto. Pipilitin nito ang Riffusion na bumuo ng spectrogram. Sa ibang pagkakataon, magagamit ito ng mga bisita bilang isang audio clip at i-play ito sa site.
Ang mga resulta sa yugtong ito ay maaaring hindi masyadong mataas ang kalidad. Ngunit tiyak na hindi ito kasingsama ng iniisip mo.
Maaaring subukan din ng Riffusion na magpatugtog ng mga kantang kasama rap sa istilo ni Eminem at K-Pop. Ngunit ang pag-andar ng pagbuo ng mga lyrics ay hindi ganoon kaganda. Sa halip na text, malambing na daldal ng tao ang maririnig mo. Ngunit ang pinaka-kagiliw-giliw na bagay ay ang walang kwentang ito ay tumutugma pa rin sa tono ng kanta.
Ang teknolohiyang ito ay hindi pa handang palitan ang musikang gawa ng tao. Ngunit ipinakita sa amin ng proyekto na ang mga algorithm sa pagproseso ng imahe ng AI ay may malaking potensyal pa rin. Sa lalong madaling panahon maaari itong maging isang katulong para sa mga may-akda ng musika. Siguro para makakuha ng inspirasyon para magsulat ng kanta.
Matutulungan mo ang Ukraine na labanan ang mga mananakop na Ruso. Ang pinakamahusay na paraan upang gawin ito ay ang mag-abuloy ng mga pondo sa Armed Forces of Ukraine sa pamamagitan ng Savelife o sa pamamagitan ng opisyal na pahina NBU.
Kawili-wili din: