አጠቃላይ እይታ
ጁክቦክስ የOpenAI ጥሬ ሙዚቃ ኦዲዮን የሚያመነጭ የ2020 የነርቭ አውታረ መረብ ነው - በተዘፈኑ ድምጾች፣ በመሳሪያዎች እና በተወሰኑ አርቲስቶች ዘይቤ የተሞላ። AI ማስታወሻዎችን ብቻ ሳይሆን የዘፈን-ርዝመት ሙዚቃን ትክክለኛ ሞገድ ለመቅረጽ ወሳኝ ማረጋገጫ ነበር።
ጁክቦክስ ንግግርን፣ ሙዚቃን እና ድምጽን ለግንኙነት፣ ተደራሽነት እና የሚዲያ ምርት በሚቀይሩ የኦዲዮ-AI የስራ ፍሰቶች ውስጥ ተቀምጧል።
ጥልቅ ዳይቭ
በOpenAI በኤፕሪል 2020 የተለቀቀው ጁክቦክስ ሙዚቃን ከምልክታዊ ማስታወሻዎች ይልቅ እንደ ጥሬ ኦዲዮ ያመነጫል ይህም ማለት ድምጾችን ጨምሮ ትክክለኛውን ድምጽ ያሰማል። በግምት 1.2 ሚሊዮን ዘፈኖች (በእንግሊዘኛ ግማሽ ያህሉ) ከድር ላይ በተገለበጠው ግጥሞች እና ከሊሪክዊኪ ሜታዳታ ጋር በማጣመር የሰለጠነ ነበር። በዘውግ፣ በአርቲስት ስታይል እና በግጥሞች ላይ ማስተካከል ትችላለህ፣ እና እንደዚያ አርቲስት በሚታወቅ መልኩ ይዘምራል። ውጤቶቹ ለብዙ ደቂቃዎች ይሰራሉ። የተያዘው ፍጥነት እና ታማኝነት ነው፡ ትውልዱ እጅግ በጣም ቀርፋፋ ነበር፣ ለአንድ ደቂቃ ድምጽ ለመስራት ወደ ዘጠኝ ሰአታት የሚወስድ ሲሆን ውጤቶቹም የታፈነ፣ ጫጫታ ጥራት አላቸው። ጁክቦክስ ምርምር እንጂ የተጣራ ምርት አልነበረም፣ ነገር ግን ለሚቻለው የሚጠበቀውን ነገር ቀይሮ ነበር።
ቴክኒካዊ ግንዛቤ
ጁክቦክስ ጥሬ ኦዲዮን VQ-VAE autoencodersን በሶስት ጊዜ ጥራቶች በመጭመቅ ረዥሙን ሞገድ ወደ በጣም አጠር ያለ የልዩ ኮድ ቅደም ተከተል ይለውጣል። Autoregressive Transformers ከዚያም እነዚህን ኮዶች አንድ በአንድ ይተነብያሉ፣ በአርቲስት፣ ዘውግ እና ግጥሞች ላይ የተመሰረቱ ናቸው፣ እና አፕሳምፕለር ከፍተኛ ድግግሞሽ ዝርዝሮችን ይጨምራሉ። የታችኛው ደረጃ ኮዶችን ወደ 44.1 ኪሎ ኸርዝ ማዕበል መመለስ ትውልዱን በጣም ቀርፋፋ የሚያደርገው ነው ምክንያቱም በሚሊዮኖች የሚቆጠሩ የኦዲዮ ናሙናዎች በቅደም ተከተል መፈጠር አለባቸው።
ጁክቦክስን ማስተር
ጁክቦክስ የOpenAI ጥሬ ሙዚቃ ኦዲዮን የሚያመነጭ የ2020 የነርቭ አውታረ መረብ ነው - በተዘፈኑ ድምጾች፣ በመሳሪያዎች እና በተወሰኑ አርቲስቶች ዘይቤ የተሞላ። AI ማስታወሻዎችን ብቻ ሳይሆን የዘፈን-ርዝመት ሙዚቃን ትክክለኛ ሞገድ ለመቅረጽ ወሳኝ ማረጋገጫ ነበር። ጁክቦክስ ንግግርን፣ ሙዚቃን እና ድምጽን ለግንኙነት፣ ተደራሽነት እና የሚዲያ ምርት በሚቀይሩ የኦዲዮ-AI የስራ ፍሰቶች ውስጥ ተቀምጧል። ጥልቅ ግንዛቤን ለመገንባት ጁክቦክስን እንደ ኦፕሬሽን ሞዴል ያዙት እንጂ አንድ ባህሪ አይደለም፡ የሚፈለጉትን ውጤቶች ይግለጹ፣ ግምቶችን ያብራሩ እና ስርዓቱ አሁንም የባለሙያዎችን ፍርድ ከሚያስፈልገው ነገር ለይ።
በተግባር፣ ጁክቦክስን የሚጠቀሙ ጠንካራ ቡድኖች ጥራትን፣ መዘግየትን እና ፍቃድን እንደ የማሰማራቱ ስትራቴጂ አስፈላጊ ክፍሎች አድርገው ይቆጥራሉ። ግልጽ የስኬት መስፈርቶችን ይመዘግባሉ፣ በተጨባጭ መረጃ እና የስራ ፍሰቶች ላይ ይፈትሻሉ፣ እና የአንድ ጊዜ ቤንችማርክ ከማሸነፍ ይልቅ በተስተዋሉ የውድቀት ቅጦች ላይ ተመስርተው ይደግማሉ። ይህ የንድፈ ሃሳባዊ ግንዛቤ በምርት፣ ፖሊሲ እና ኦፕሬሽኖች ላይ ወደ ዘላቂ አቅም የሚቀየርበት ነው።
በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል። በተመሳሳይ ጊዜ፣ ፍቃድ ሲጎድል የድምጽ አላግባብ መጠቀም እና የማስመሰል አደጋዎች ይጨምራሉ። በጣም ጠንካራው አካሄድ የሙከራ ፍጥነትን ከአስተዳደር ዲሲፕሊን ጋር ማጣመር ነው፡ አብራሪዎችን ማስኬድ፣ ማስረጃን መያዝ፣ የውሳኔ ምዝግብ ማስታወሻዎችን ማተም እና የሞዴል ባህሪ፣ የተጠቃሚ የሚጠበቁ እና የቁጥጥር መስፈርቶች ሲዳብሩ ጥበቃዎችን ያለማቋረጥ ማዘመን ነው።
ስልታዊ ተጽእኖ
በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል።
በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል። ከፍተኛ ጥራት ባለው ማሰማራት ውስጥ፣ ይህ ወደሚለካ የአሠራር ደንቦች፣ የባለቤትነት ወሰኖች እና ተደጋጋሚ የግምገማ ሥነ ሥርዓቶች ይተረጎማል ስለዚህ ቡድኖች አሻሚነትን ከማስፋት ይልቅ በራስ መተማመንን ሊጨምሩ ይችላሉ።
የሚዲያ ቡድኖች በትንሽ በጀቶች የተጣራ ድምጽ በፍጥነት መላክ ይችላሉ።
የሚዲያ ቡድኖች በትንሽ በጀቶች የተጣራ ድምጽ በፍጥነት መላክ ይችላሉ። ከፍተኛ ጥራት ባለው ማሰማራት ውስጥ፣ ይህ ወደሚለካ የአሠራር ደንቦች፣ የባለቤትነት ወሰኖች እና ተደጋጋሚ የግምገማ ሥነ ሥርዓቶች ይተረጎማል ስለዚህ ቡድኖች አሻሚነትን ከማስፋት ይልቅ በራስ መተማመንን ሊጨምሩ ይችላሉ።
ከደንበኛ ጋር የሚገናኙ ስርዓቶች የንግግር ግንኙነቶችን በትልቁ ደረጃ ማካሄድ ይችላሉ።
ከደንበኛ ጋር የሚገናኙ ስርዓቶች የንግግር ግንኙነቶችን በትልቁ ደረጃ ማካሄድ ይችላሉ። ከፍተኛ ጥራት ባለው ማሰማራት ውስጥ፣ ይህ ወደሚለካ የአሠራር ደንቦች፣ የባለቤትነት ወሰኖች እና ተደጋጋሚ የግምገማ ሥነ ሥርዓቶች ይተረጎማል ስለዚህ ቡድኖች አሻሚነትን ከማስፋት ይልቅ በራስ መተማመንን ሊጨምሩ ይችላሉ።
የእውነተኛ-ዓለም አተገባበር
ተመራማሪዎች ጁክቦክስን እንደ ማጣቀሻ አርክቴክቸር በመጠቀም የነርቭ ኔትወርኮች የረዥም ጊዜ ጥሬ ኦዲዮ እና የዘፈን ድምጾችን እንዴት መቅረጽ እንደሚችሉ በማጥናት ላይ ናቸው።
በተመረጠው አርቲስት ሻካራ ዘይቤ አዳዲስ ግጥሞችን የሚዘምሩ ዘግናኝ፣lo-fi 'AI ሽፋኖች' የሚያመነጩ ሙዚቀኞች እና የትርፍ ጊዜ ማሳለፊያዎች።
ከMIDI አይነት የማስታወሻ ትውልድ ወደ ሙሉ ጥሬ-ድምጽ ውህደት ከድምፅ ጋር ያለውን ዝላይ የሚያሳዩ አስተማሪዎች።
የድምጽ ዲዛይነሮች እና የሙከራ አርቲስቶች የጁክቦክስን ጭጋጋማ፣ ህልም መሰል ሸካራማነቶችን እንደ ጥሬ እቃ ለዳግም ማደባለቅ እና ኮላጅ እየሰበሰቡ ነው።
የትግበራ ቅጦች
Jukebox በተግባር
ተመራማሪዎች ጁክቦክስን እንደ ማጣቀሻ አርክቴክቸር በመጠቀም የነርቭ ኔትወርኮች የረዥም ጊዜ ጥሬ ኦዲዮ እና የዘፈን ድምጾችን እንዴት መቅረጽ እንደሚችሉ በማጥናት ላይ ናቸው።
ተመራማሪዎች ጁክቦክስን እንደ ማጣቀሻ ስነ-ህንፃ በመጠቀም የነርቭ ኔትወርኮች የረዥም ጊዜ ጥሬ ኦዲዮን እና ድምጾችን እንዴት እንደሚዘፍኑ የሚያጠኑ ተመራማሪዎች ቡድኖች ብዙውን ጊዜ የጥራት ደረጃዎችን ከፊት ሲገልጹ የተሻለ ውጤት ያገኛሉ፣ ለዳር ጉዳዮች የሰው ልጅ እድገት መንገድን ይጠብቃሉ እና ሁለቱንም የምርታማነት ግኝቶችን እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
Jukebox በተግባር
በተመረጠው አርቲስት ሻካራ ዘይቤ አዳዲስ ግጥሞችን የሚዘምሩ ዘግናኝ፣lo-fi 'AI ሽፋኖች' የሚያመነጩ ሙዚቀኞች እና የትርፍ ጊዜ ማሳለፊያዎች።
በተመረጠው አርቲስት ሻካራ ዘይቤ አዳዲስ ግጥሞችን የሚዘፍኑ ዘግናኝ፣lo-fi 'AI ሽፋኖችን' የሚያመነጩ ሙዚቀኞች እና የትርፍ ጊዜ ማሳለፊያዎች ቡድኖች ብዙውን ጊዜ የጥራት ደረጃዎችን ከፊት ሲወስኑ የተሻለ ውጤት ያገኛሉ፣ ለዳር ጉዳዮች የሰው ልጅ መሻሻል መንገድን ሲይዙ እና ሁለቱንም የምርታማነት ግኝቶችን እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
Jukebox በተግባር
ከMIDI አይነት የማስታወሻ ትውልድ ወደ ሙሉ ጥሬ-ድምጽ ውህደት ከድምፅ ጋር ያለውን ዝላይ የሚያሳዩ አስተማሪዎች።
ከMIDI አይነት የማስታወሻ ትውልድ ወደ ሙሉ የጥሬ-ድምጽ ውህደት ከድምፅ ጋር ያለውን ዝላይ የሚያሳዩ አስተማሪዎች ቡድኖች ብዙውን ጊዜ የጥራት ደረጃዎችን ከፊት ሲወስኑ የተሻለ ውጤት ያገኛሉ፣ ለጫፍ ጉዳዮች የሰውን እድገት መንገድ ሲይዙ እና ሁለቱንም የምርታማነት ትርፍ እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
Jukebox በተግባር
የድምጽ ዲዛይነሮች እና የሙከራ አርቲስቶች የጁክቦክስን ጭጋጋማ፣ ህልም መሰል ሸካራማነቶችን እንደ ጥሬ እቃ ለዳግም ማደባለቅ እና ኮላጅ እየሰበሰቡ ነው።
የድምፅ ዲዛይነሮች እና የሙከራ አርቲስቶች የጁክቦክስን ጭጋጋማ ፣ ህልም መሰል ሸካራማነቶችን እንደ ጥሬ እቃ ለመቀላቀል እና ለኮላጅ ቡድኖች ብዙውን ጊዜ የተሻሉ ውጤቶችን ያገኛሉ የጥራት ደረጃዎችን ከፊት ሲወስኑ ፣ ለጫፍ ጉዳዮች የሰውን እድገት መንገድ ሲይዙ እና ሁለቱንም የምርታማነት ግኝቶችን እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
አደጋዎች እና የጥበቃ መንገዶች
ስምምነት ሲጠፋ የድምፅ አላግባብ መጠቀም እና የማስመሰል አደጋዎች ይጨምራሉ።
ትክክለኛነት በአነጋገር ዘዬዎች፣ ቀበሌኛዎች ወይም ጫጫታ አካባቢዎች ላይ ሊወድቅ ይችላል።
ሰራሽ ኦዲዮ ግልጽ ምልክት ሳይደረግበት ለትክክለኛ ንግግር ሊሳሳት ይችላል።
የትግበራ ፍኖተ ካርታ
ለድምጽ ቀረጻ፣ ክሎኒንግ እና እንደገና ጥቅም ላይ ለማዋል ግልጽ የሆነ ፈቃድ ያግኙ።
ለድምጽ ቀረጻ፣ ክሎኒንግ እና እንደገና ጥቅም ላይ ለማዋል ግልጽ የሆነ ፈቃድ ያግኙ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።
በተለያዩ የድምጽ ማጉያዎች እና የበስተጀርባ ሁኔታዎች ላይ ጥራትን ይሞክሩ።
በተለያዩ የድምጽ ማጉያዎች እና የበስተጀርባ ሁኔታዎች ላይ ጥራትን ይሞክሩ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።
አንድ ሰው መቼ ውጤቶችን መገምገም ወይም ማጽደቅ እንዳለበት ይግለጹ።
አንድ ሰው መቼ ውጤቶችን መገምገም ወይም ማጽደቅ እንዳለበት ይግለጹ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።
ሰው ሰራሽ ኦዲዮን ይሰይሙ እና ለተጠያቂነት የፕሮቨንስ መዝገቦችን ያስቀምጡ።
ሰው ሰራሽ ኦዲዮን ይሰይሙ እና ለተጠያቂነት የፕሮቨንስ መዝገቦችን ያስቀምጡ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።