2022 年 10 月 21 日

谷歌 AI 宣布推出首款文本轉音樂生成器 AudioLM

發布日期：21 年 2022 月 12 日晚上 09:21 更新日期：2022 年 12 月 10 日晚上 XNUMX:XNUMX

簡單來說

AudioLM 可以通過聽聲音來製作音樂

Mubert AI 繼續人類語音和鋼琴音樂

這款獨特的敏感免洗唇膜採用 Moisture WrapTM 技術和 Berry Mix ComplexTM 成分， GPT-3 和其他人一樣，產生人工智慧的想法很有可能向前發展。我們也發現了修復和修復的概念； AI在保持主題和風格的同時巧妙地完成了圖像。音樂呢？

又一次！由於所有這一切都基於保留意義的 AI 語言模型，因此這項技術應用於音樂只是時間問題。現在是時候了。

根據谷歌最近的研究，一種名為 AudioLM 的新音頻製作框架可能會被教導僅通過聆聽聲音來創作逼真的演講和鋼琴音樂。由於其長期的一致性和出色的保真度，AudioLM 超越了早期的系統，並通過語音合成和計算機輔助音樂中的應用推進了音頻創作。

我們開發了一個系統來識別 AudioLM 產生的合成聲音，使用支持我們之前模型創建的相同 AI 概念。

音頻LM 來自谷歌的人工智能可以在保持“意圖”的同時擴展一段聲音。截至目前，它已經接受了基於有限的輸入數據樣本繼續人類語音和鋼琴音樂的訓練。檢查下面的示例。

語音的標準很簡單：聽眾被要求評估連續音是否聽起來像人類的語音。隨著音樂，人們發現提供給輸入的部分的“延續”在質量上遠遠優於目前所有從頭開始的音樂生成器，例如點唱機. 通過輸入建議，人工智能可以更好地繼續播放音樂。

人工評分員聽取音頻樣本以確認結果。他們確定自己聽到的是真實的人類聲音的延續，還是 AudioLM 產生的人工聲音。他們的數據表明成功率為 51.2%。因此，對於普通聽眾來說，區分 AudioLM 產生的語音和真實的人類語音將是一項挑戰。

文本轉音樂技術是否會改變音樂行業？

基於文本到音樂的生成器穆伯特 API 另一位人工智慧模型 Mubert 最近宣布了這項消息。 Mubert 為您發送的每個請求創建一組不同的聲音。重複的可能性確實很小。音樂是在提出請求時創作的；它不是從成品曲調資料庫中提取的。多麼真實生成這個音樂這是一個常見問題。

在創建之前選擇聲音。輸入提示和 Mubert API 標籤都被編碼為 transformer 神經網絡的潛在空間向量。然後為每個查詢選擇最接近的標籤向量，並將附帶的標籤傳輸到我們的 API 以創建音樂。沒有使用神經網絡來構建任何聲音（低音、主音等的單獨循環）；所有的聲音都是由音樂家和聲音設計師製作的。

Mubert 的下一個重要步驟是從當前世界中獲取項目，例如照片、電影、場景和演示文稿，並創作您周圍世界的音樂。

以下是不計後果地將文本提示放入音樂劇 Mubert AI 的口中可以獲得的結果：

這是構建更複雜、更精確的生成算法過程的初始階段，但這需要時間和金錢。

然而，文本到音樂的技術已經可用，因此您可以通過將“輸入提示”切換為“編寫隨機提示腳本”來批量生成專輯。似乎不再需要藝術家。

閱讀更多相關新聞：

標籤：

免責聲明

在與線信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。

關於作者

Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。他的文章每月吸引超過一百萬用戶的大量讀者。他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。