LegközelebbKövetkező útmutató
Band-Split RoFormer a zenei elválasztáshoz
Hangalapú AI
Audio AI ÚTMUTATÓ
Az AI zenei bővítmény egy generatív modellt használ egy meglévő hangklip folytatásához, egy szakasz újraalkotásához a közepén (festés), átalakítja azt, vagy egyedi hangszerszárakat ad hozzá és cserél.
Hallgassa meg ezt az útmutatótAI-narrált · ~3 min
Lehetővé teszi, hogy egy rövid ötlet teljes pályává nőjön, vagy egy hibás felvételt újrafelvétel nélkül kijavítsunk. Ez azért számít, mert megváltoztatja azt, ahogyan az emberek zenét készítenek és szerkesztenek, de egyértelmű minőségi korlátai vannak, és nem szünteti meg az eredeti hanganyag tulajdonosának jogait.
A kiterjesztés egy meglévő klipet vesz, és létrehozza a következőt. Az egyik általános megközelítés az autoregresszív folytatás. A Meta MusicGen, amely 2023-ban jelent meg az AudioCraft részeként, az EnCodec nevű neurális kodekkel alakítja át a hangot diszkrét tokenekké, és további tokeneket jósol meg az Ön által szolgáltatott tokenek után, akárcsak a nyelvi modell egy mondatot folytat. Az olyan fogyasztói szolgáltatások, mint a Suno és az Udio, ezt kiterjesztési funkcióként kínálják, amely általában lehetővé teszi, hogy kiválasszon egy kezdőpontot, és módosítsa az új rész szövegét vagy stílusát. A befestés regenerál egy maszkolt területet a közepén, miközben megőrzi a hangot mindkét oldalon, ami hasznos a dalszöveg rögzítéséhez vagy négy sáv cseréjéhez. A diffúziós modellek megfelelnek ennek, mert az ismert hang fixen tartható, miközben csak a maszkolt tartomány zajmentes. Az audio-audió vagy remix módok, mint például a Stable Audio 2.0-val 2024-ben bemutatott Stability AI, részben zajt adnak a bemenethez, és egy új prompt alatt regenerálják, így a szerkezet fennmarad, miközben a hangszín és a stílus változik. Az erősség beállítása szabályozza, hogy mennyi maradjon meg az eredetiből. A szármunka egyesíti az elválasztást és a generálást. A forráselválasztási modellek, mint például a Meta nyílt forráskódú Demucs-ja, a keveréket énekre, dobra, basszusgitárra és egyebekre osztja fel; a generátor ezután hozzáadhat vagy kicserélhet egy alkatrészt, amely a többire vonatkozik. A korlátok valósak. Hosszú kiterjesztések sodródnak: a tempó, a billentyű, a mix egyensúly és az énekhang elkalandozhat. A csatlakozások kattanhatnak vagy ugrálhatnak hangosan. A modellek korlátozott kontextusablakot látnak, így egy motívum az első perctől feledésbe merülhet. Gyakori tévhit, hogy a modell úgy érti a dal szerkezetét, ahogy egy zenész; illeszkedik a legutóbbi hang mintáihoz. A jogok továbbra is fennállnak: a nem az Ön tulajdonában lévő kereskedelmi felvétel kiterjesztése annak származékát hozza létre, és számos szolgáltatási feltétel tiltja a hanganyag feltöltését, amelyhez nincs joga.
Egy dalszerző dúdolja a 20 másodperces refrénötletet, feltölti egy zenegenerátorba, és egy Extend funkciót használ a 0:18-tól kezdődően, hogy verset és hidat állítson elő, amely ugyanabban a hangnemben és tempóban folytatódik.
A podcast-szerkesztőnek van egy 30 másodperces licencelt zenei ágya, ami túl rövid a bevezetőhöz, ezért generál egy folytatást, és egy vonalon áthalványítja, hogy elérje a 60 másodpercet.
A producer egy régi demót énekre, dobra, basszusgitárra és egyéb sztemekre oszt szét a Demucs segítségével, elnémítja a gyenge dob szárat, és egy modellt generál egy új dobrészt, amely a fennmaradó szárokból áll.
Egy banda befest két ütemet, ahol az énekes egy dalszöveget szöszmötölt, sértetlenül hagyva a hangot mindkét oldalon, majd ellenőrzi, hogy a regenerált vokál még mindig ugyanaz az énekes szól-e.
A kutatás a hosszabb kontextus, a jobb szerkezeti tudatosság és az egyes szárak finomabb szabályozása felé törekszik, ami csökkenti a sodródást, és kiszámíthatóbbá teszi a szakaszszintű szerkesztéseket. Valószínű a digitális audio munkaállomásokba való integráció, mivel a meglévő projekten belüli szerkesztés hasznosabb, mint a teljes dalok generálása a böngészőben. A varratok minősége és egy adott énekes identitásának megőrzése továbbra is súlyos probléma. Ami a jogokat illeti, a feltöltési szűrési és engedélyezési megállapodások a szolgáltatások és a jogtulajdonosok között még mindig fejlesztés alatt állnak, így a felhasználók törvényes kiterjesztése a fejlődő feltételektől és a bírósági döntésektől függ, nem pedig a technológiától.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Az AI zenei bővítmény egy generatív modellt használ egy meglévő hangklip folytatásához, egy szakasz újraalkotásához a közepén (festés), átalakítja azt, vagy egyedi hangszerszárakat ad hozzá és cserél. Lehetővé teszi, hogy egy rövid ötlet teljes pályává nőjön, vagy egy hibás felvételt újrafelvétel nélkül kijavítsunk. Ez azért számít, mert megváltoztatja azt, ahogyan az emberek zenét készítenek és szerkesztenek, de egyértelmű minőségi korlátai vannak, és nem szünteti meg az eredeti hanganyag tulajdonosának jogait.
A klipet diszkrét tokenekké alakítják, és a modell megjósolja, hogy milyen tokenek következnek, hasonlóan ahhoz, ahogy egy nyelvi modell folytatja a szöveget.
A MusicGen az EnCodecre, a Meta neurális audiokodekre támaszkodik, hogy a hangot külön tokenként jelenítse meg.
A befestés kitölti vagy lecseréli a kiválasztott szakaszt, például egy bolyhos dalszöveget, miközben érintetlenül tartja a környező hangot.
A diffúzió a zajtalanítás során korlátozhatja az ismert régiókat, így csak a hiányzó szakasz kerül regenerálásra, hogy illeszkedjen a környezetéhez.
A nagyobb szilárdság több zajt ad, és többet regenerál, tovább változtatva a bemenetet; a kisebb szilárdság többet megtart szerkezetéből.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Band-Split RoFormer a zenei elválasztáshoz
Hangalapú AI