Jukebox መመሪያ | AI Understanding

አጠቃላይ እይታ

It was a landmark proof that AI could model the actual waveform of song-length music, not just notes.

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።

ስልታዊ ተጽእኖ

መድረስ እና መድረስ

በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል።

ወጪ እና በጀት

የሚዲያ ቡድኖች በትንሽ በጀቶች የተጣራ ድምጽ በፍጥነት መላክ ይችላሉ።

ፍጥነት እና ልኬት

ከደንበኛ ጋር የሚገናኙ ስርዓቶች የንግግር ግንኙነቶችን በትልቁ ደረጃ ማካሄድ ይችላሉ።

የጁክቦክስ የወደፊት ዕጣ

ጁክቦክስ ራሱ ባብዛኛው በአሁኑ ጊዜ ታሪካዊ ክንውን ነው፣ ፈጣን ስርጭት እና ከሱኖ እና ዩዲዮ በስተጀርባ ባሉት በሴኮንዶች ውስጥ ከሲዲ ጋር የሚቀራረቡ ዘፈኖችን በሚያመነጩ ድብቅ ኦዲዮ ሞዴሎች ተተክቷል። የእሱ ዋና ሃሳቦቹ - ልዩ የኦዲዮ ቶከኖች እና በግጥሞች ላይ ማስተካከያ - በዘመናዊ ስርዓቶች ውስጥ ይኖራሉ። የወደፊቱ ጥሬ-ድምጽ ሞዴሎች የትውልድ ጊዜ እየቀነሱ እንዲቀጥሉ፣ የድምጽ ግልጽነት እንዲኖራቸው እና ጥሩ ቁጥጥሮችን እንዲጨምሩ ጠብቅ፣ ጁክቦክስ በቅጂ መብት በተያዙ ቅጂዎች ላይ ስልጠናን በተመለከተ በመጀመሪያ ያነሳቸው የቅጂ መብት ጥያቄዎች ግን እየጨመሩ ይሄዳሉ።

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።

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።

በተለያዩ የድምጽ ማጉያዎች እና የበስተጀርባ ሁኔታዎች ላይ ጥራትን ይሞክሩ።

አንድ ሰው መቼ ውጤቶችን መገምገም ወይም ማጽደቅ እንዳለበት ይግለጹ።

ሰው ሰራሽ ኦዲዮን ይሰይሙ እና ለተጠያቂነት የፕሮቨንስ መዝገቦችን ያስቀምጡ።

ማሰስዎን ይቀጥሉ

ድምጽ AI

የንግግር ስርዓቶች ቋንቋን እንዴት እንደሚያውቁ እና እንደሚያመነጩ ይወቁ።

መመሪያ ያንብቡ

AI ሙዚቃ

ዘመናዊ የሙዚቃ-ትውልድ መሳሪያዎችን እና ገደቦችን ይረዱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Jukebox quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

ተምሳሌታዊ የሙዚቃ ትውልድ

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Jukebox?

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።

ጁክቦክስን ከቀደምት ተምሳሌታዊ ሙዚቃ የሚለየው ምንድን ነው?

ጁክቦክስ ትክክለኛውን የሙዚቃ ድምጽ እንደ ጥሬ ኦዲዮ ይቀርጻል፣ ስለዚህ የማስታወሻ ውሂብን ብቻ ከሚያወጡት ተምሳሌታዊ ስርዓቶች በተለየ መልኩ ድምጾች እና የመሳሪያ ቲምብሮችን ማምረት ይችላል።

ጁክቦክስን የለቀቀው ማን ነው እና መቼ ነው?

_AIU_PROTECTED_10__ ጁክቦክስን በኤፕሪል 2020 ሙዚቃን በድምፅ ለማመንጨት እንደ የምርምር ሞዴል ተለቀቀ።

የጁክቦክስ ዋና ተግባራዊ ገደብ ምን ነበር?

ጥሬ የድምጽ ናሙናን በናሙና ስለሚፈታ፣ ጁክቦክስ የአንድ ደቂቃ ሙዚቃ ለመስራት ዘጠኝ ሰአታት ወስዷል፣ ይህም ለእውነተኛ ጊዜ ጥቅም ላይ ሊውል አይችልም።

ጁክቦክስ ረጅም ጥሬ ኦዲዮን ለትራንስፎርመሮቹ ማቀናበር የሚችል ለማድረግ ምን ዋና ዘዴ ይጠቀማል?

ጁክቦክስ VQ-VAE autoencoders ይጠቀማል ሞገድ ቅርጹን ወደ ዲስትሪክት ቶከኖች ለመጭመቅ፣ ትራንስፎርመሮች ከዚያም ወደ ኦዲዮ ከመመለሳቸው በፊት በራስ ሰር ይቀርፃሉ።

የጁክቦክስን ምርት በምን ላይ ማስተካከል ይችላሉ?

ጁክቦክስ ዘውግ፣ የሚመስለው አርቲስት እና ግጥሞችን ይቀበላል እና እነዚያን ቃላት በዚያ ዘይቤ ለመዘመር ይሞክራል።