SingSong: Google AI Araştırmacıları, Giriş Vokallerine Eşlik Etmek İçin Müzik Üretmenin Bir Yolunu Buldu
Kısaca
SingSong adı verilen yeni sistem, derin bir öğrenme modeli şarkı söylemeyle mevcut sistemlerden daha uyumlu müzik üretmek.
Araştırmacılar, sistemin profesyonel şarkıcılar için karaoke parçaları oluşturmak veya amatör şarkıcıların seslerine uygun bir eşlik bulmasına yardımcı olmak için kullanılabileceğini söylüyor.
Google'daki araştırmacılar, şarkı söylemeyle uyumlu müzik üretmek için yapay zekayı kullanmanın bir yolunu buldular. SingSong adlı yeni sistem, mevcut diğer sistemlerden daha fazla şarkı söyleme ile senkronize olan bir eşlik oluşturmak için derin bir öğrenme modeli kullanıyor. Araştırmacılar, sistemin profesyonel şarkıcılar için karaoke parçaları oluşturmak veya amatör şarkıcıların seslerine daha uygun bir eşlik bulmasına yardımcı olmak için kullanılabileceğini söylüyor.
Şarkı söylemek giriş vokallerine eşlik edecek enstrümantal müzik oluşturan Google tarafından geliştirilmiş bir sistemdir. Hem müzisyenlere hem de müzisyen olmayanlara kendi seslerini öne çıkaran müzik yapma konusunda basit ve yeni bir yaklaşım sağlayabilir. Geliştiriciler, bunu başarmak için müzik kaynağı ayırma ve ses üretimindeki son gelişmeleri temel alıyor. Geliştiriciler, çok büyük bir müzik kayıtları külliyatından hizalı vokal ve enstrümantal kaynak çiftleri oluşturmak için özellikle son teknoloji bir kaynak ayırma yöntemi kullanır. Ardından, geliştiriciler değiştirir Ses LM, koşulsuz ses üretimi için son teknoloji bir yöntem, böylece koşullu "sesten sese" oluşturma görevleri için kaynaktan ayrılmış (vokal, enstrümantal) çiftler üzerinde eğitilebilir.
AI araştırmacıları, sistemin kaynakla ayrılmış eğitim verilerinden (vokallerin eserler içerdiği yerlerde) genelleştirmesini iyileştirmek için, ses girdilerinin farklı özellikleştirmelerini araştırıyor; enstrümantal) geliştiricilerin kullanıcılardan bekleyebileceği izole vokallere. Dinleyiciler, aynı ses girişleriyle yapılan ikili bir karşılaştırmada, SingSong tarafından üretilen enstrümanları, güçlü bir geri çağırma temelinden gelen enstrümanlara göre önemli bir tercih sergilediler.
Yeni sistem, aksine, bir derin öğrenme modeli büyük bir müzik veri kümesi üzerinde eğitilmiş. Bu, sistemin şarkıcının sesi ve zamanlaması ile senkronize olan bir eşlik oluşturmasını sağlar.
Çalışma için dinleyicilere, seslerin (MUSDB10 testinden alınan) aynı olduğu, ancak enstrümantallerin farklı olduğu ve çeşitli kaynaklardan geldiği (temel gerçek, google modelleriveya temel çizgiler). Soru, dinleyicilerden enstrümantal arka planların vokallere müzikal olarak daha uygun olduğunu düşündükleri iki kombinasyondan hangisini seçmelerini ister.
| Önerilen gönderi: Metin okuma için en iyi 7 yapay zeka ses üreteci ve ses klonlama |
SingSong'un Yeni Örnekleri
Bir dizi derin sinir ağı kullanarak ve üretken modellersayesinde geliştiriciler daha uzun bölümler için gecikme olmadan armonik eşlikler üretebiliyor.
Önceki örneklerde MUSDB18 veri setinin profesyonel sesleri kullanılmıştır. Ayrıca SingSong'un herkesin kendi sesiyle müzik yaratmasını destekleme ve mümkün kılma becerisi de ilgimizi çekiyor. Burada, amatör vokalistlerin tüketici elektroniği üzerine yapılmış kayıtlarını içeren Vocadito veri setinden vokal örneklerini kullanarak bunu inceliyoruz.
Sistem henüz gelişimin ilk aşamalarında. Araştırmacılar, ticari olarak kullanılmadan önce iyileştirilmesi gerektiğini söyleseler de, karaoke endüstrisinde devrim yaratma potansiyeline sahip olduğuna ve amatör şarkıcıların kendileri için iyi çalışan bir eşlik bulmasına yardımcı olduğuna inanıyorlar.
Daha fazla ilgili makale okuyun:
Feragatname
Doğrultusunda Trust Project yönergeleri, lütfen bu sayfada sağlanan bilgilerin hukuki, vergi, yatırım, finansal veya başka herhangi bir tavsiye niteliğinde olmadığını ve bu şekilde yorumlanmaması gerektiğini unutmayın. Yalnızca kaybetmeyi göze alabileceğiniz kadar yatırım yapmak ve herhangi bir şüpheniz varsa bağımsız finansal tavsiye almak önemlidir. Daha fazla bilgi için şartlar ve koşulların yanı sıra kartı veren kuruluş veya reklamveren tarafından sağlanan yardım ve destek sayfalarına bakmanızı öneririz. MetaversePost doğru, tarafsız raporlamaya kendini adamıştır, ancak piyasa koşulları önceden haber verilmeksizin değiştirilebilir.
Yazar hakkında
Damir şu anda ekip lideri, ürün yöneticisi ve editördür: Metaverse Post, AI/ML, AGI, LLM'ler, Metaverse ve Web3-İlgili alanlar. Makaleleri, her ay bir milyondan fazla kullanıcıdan oluşan büyük bir kitleyi kendine çekiyor. SEO ve dijital pazarlama konusunda 10 yıllık deneyime sahip bir uzman gibi görünüyor. Damir'den Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ve diğer yayınlar. Dijital bir göçebe olarak BAE, Türkiye, Rusya ve BDT arasında seyahat ediyor. Damir, kendisine internetin sürekli değişen ortamında başarılı olmak için gereken eleştirel düşünme becerilerini verdiğine inandığı fizik alanında lisans derecesi aldı.
Daha fazla haber
Damir şu anda ekip lideri, ürün yöneticisi ve editördür: Metaverse Post, AI/ML, AGI, LLM'ler, Metaverse ve Web3-İlgili alanlar. Makaleleri, her ay bir milyondan fazla kullanıcıdan oluşan büyük bir kitleyi kendine çekiyor. SEO ve dijital pazarlama konusunda 10 yıllık deneyime sahip bir uzman gibi görünüyor. Damir'den Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ve diğer yayınlar. Dijital bir göçebe olarak BAE, Türkiye, Rusya ve BDT arasında seyahat ediyor. Damir, kendisine internetin sürekli değişen ortamında başarılı olmak için gereken eleştirel düşünme becerilerini verdiğine inandığı fizik alanında lisans derecesi aldı.
