Vytvoriť si hudbu len na základe slov? Hračka pre AI nástroj Meta AudioCraft

Spoločnosť Meta znovu ukazuje, kam až dosiahne jej projekt umelej inteligencie. Najnovšie predstavila AI nástroj s názvom AudioCraft, ktorý vytvára hudbu zo zadaného textu.

Meta na svojej stránke oficiálne vydala do sveta svoj najnovší AI nástroj AudioCraft, ktorý podľa spoločnosti generuje vysokokvalitný, realistický zvuk a hudbu z textu. Meta tvrdí, že tento AI nástroj by pomohol napríklad nejakému majiteľovi malého podniku jednoducho pridať hudbu do nového Reels na Instagrame.

AudioCraft stále nie je spustený na žiadnej zo sociálnych sietí, ktoré sú pod taktovkou spoločnosti Meta, ale je to asi len otázkou času. Meta zatiaľ vydáva AudioCraft ako open-source kód, pretože jej cieľom je umožniť výskumníkom a odborníkom z praxe trénovať svoje vlastné modely s vlastnými súbormi údajov.

Nový AI nástroj sa skladá z troch modelov, a to MusicGen, AudioGen a EnCodec. MusicGen je model generovania zvuku určený na vytváranie hudby, ktorý sa trénoval na veľkom súbore údajov s približne 400 000 hudobnými nahrávkami, čo je spolu 20 000 hodín hudby.

AudioGen je model AI schopný generovať tzv. text-to-audio. Poskytnutím písomného popisu akustickej scény môže model produkovať realistické zvuky, ktoré zodpovedajú popisu. Dekodér EnCodec zaisťuje generovanie hudby vyššej kvality s menším počtom problémov.

Meta hovorí, že tréningovým dátovým súborom jeho modelov chýba rozmanitosť, najmä pokiaľ ide o hudobné štýly a jazyk. Zdieľaním kódu pre AudioCraft sa Meta snaží umožniť ďalším výskumníkom testovať nové metódy na zníženie zaujatosti a zneužitia.

Už teraz si môžete vypočuť stovky ukážok, ktoré nástroj AudioCraft vygeneroval, od diskotéky z 80. rokov cez jazzové inštrumentály až po napríklad rozprávanie muža s povzbudzujúcim davom v pozadí.