Isku-darka Qoraalka ilaa Codka AudioGen
AudioGen waa Meta model kaas oo u beddela sharraxaadda qoraalka dhawaaqa deegaanka ee dhabta ah iyo saamaynta dhawaaqa, sida 'eyga ciya marka shimbiruhu qaylinayaan'. Waa arrin sababtoo ah waxay u ogolaataa abuurayaashu inay soo saaraan maqal aan hadal ahayn oo ka yimid luqad cad, karti dheer oo ka maqan AI-abuurista.
quusid qoto dheer
AudioGen, oo uu sii daayay Meta AI sanadka 2022, waa nooc luqadeed oo iskiis ah oo soo saara maqal guud (saamayn dhawaqa, muuqaallada jawiga, dhawaaqyada xayawaanka iyo shayga) si toos ah qoraalada. Si ka duwan hababka qoraalka-ku-hadalka, waxay beegsataa adduunka qasan ee codka maalinlaha ah. Waxay marka hore ku cadaadisaa maqalka qaydhiin ee taxanaha calaamado kala duwan iyadoo la isticmaalayo codec neural ah (Autoencoder-qaabka EnCodec oo leh tiro-ururinta vector). Qaabka luqadda beddelka ayaa markaa bartaa inuu saadaaliyo calaamooyinkan maqalka ah ee shardiga ku ah sharraxaadda qoraalka ee lagu dhejiyay codeer qoraal oo gaar ah. Si loo horumariyo fahamka halabuurka, qorayaashu waxay isku daraan muunado maqal ah inta lagu jiro tababarka si moodalku u barto isku-dhafka sida dhawaaqyada is-daba-jooga. AudioGen ka dib waxa ay noqotay qayb ka mid ah Meta maktabadda AudioCraft oo ay weheliso moodalka muusiga ee MusicGen.
Aragtida Farsamada
AudioGen wuxuu leeyahay laba marxaladood. Marka hore, autoencoder-ga maqalku wuxuu bartaa inuu khariidado qaab-mawjadaha mawjadaha ilaa qulqulo is haysta oo calaamado kala duwan iyo gadaal. Midda labaad, Transformer waxa loo tababbaray ujeeddo-qaabaynta luqadda si loo saadaaliyo calaamadda maqalka ee xigta ee la siinayo calaamadihii hore iyo qaboojinta qoraalka. Tilmaan-bixin-free-classifier-ka iyo qaabaynta buug-qodeedka durdurrada badan waxay wanaajisaa daacadnimada iyo toosinta qoraalka. Soo saarista maqalka macneheedu waa muunada calaamadaha si toos ah, ka dibna dib u kood u kala saarta qaab mowjad leh codec.
Saamaynta Istiraatijiyadeed
Helitaanka iyo gaarsiinta
Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod.
Qiimaha iyo miisaaniyada
Kooxaha warbaahintu waxay ku soo rari karaan codka sifaysan si degdeg ah iyagoo wata miisaaniyado yaryar.
Xawaaraha iyo miisaanka
Nidaamyada u jeedda macmiisha waxay ka baaraandegi karaan isdhexgalka hadalka si weyn.
Mustaqbalka AudioGen Qoraal-ilaa-Audio Synthesis
Qoraal-ku-cod-maqalku waxa uu ku socdaa heerar sare oo muunad ah, muuqaallo isku xidhan oo dheer, iyo xakamaynta adag ee wakhtiga iyo meelaynta codadka. Filo ku biirinta aaladaha fiidyaha oo si toos ah ugu daraya saamaynta dhawaaqa ee is-daba-jooga, aaladaha gelitaan ee sifada muuqaallada u qeexaya, iyo matoorada ciyaarta ee soo saara maqalka jawiga marka loo baahdo. Isku darka moodooyinka calaamada ee qaabka AudioGen iyo hababka faafinta iyo codeeyayaasha qoraalka xooggan waa in ay wanaajiyaan xaqiiqada, halka calaamadaynta biyaha iyo agabka caddayntu ay ka caawin doonaan kala soocidda synthetic iyo codka la duubay.
Dhaqangelinta Adduunka-dhabta ah
Soo saarista Foley iyo saamaynta dhawaaqa filimada iyo ciyaaraha ka soo jeedinta qoraalka
Abuuritaanka muuqaallada dhawaaqa deegaanka (roobka, taraafigga, kaymaha) ee abka iyo aaladaha ka fiirsashada
Cod-ku-soo-saarista mashruucyada fiidyowga ah iyada oo aan ruqsad la siin maktabadaha saamiyada
Soo saarista digniinta gaarka ah iyo dhawaaqyada ogeysiinta ee lagu sifeeyay luqad cad
Khatarta & Dariiqyada Ilaalada
Si xun u isticmaalka codka iyo khataraha is-yeelyeelku way kordhaan marka oggolaanshaha la waayo.
Saxnimadu waxay hoos ugu dhici kartaa lahjadaha, lahjadaha, ama jawiga buuqa badan.
Maqalka synthetic waxaa lagu khaldi karaa hadal dhab ah iyada oo aan si cad loo calaamadin.
Qorshe Hawleedka Dhaqangelinta
Hel ogolaansho cad oo ku saabsan qabashada codka, xidhitaanka, iyo dib u isticmaalka
Tijaabi tayada ku hadasha kala duwan iyo xaaladaha asalka.
Qeex marka bani'aadamku ay tahay inuu dib u eego ama oggolaado wax soo saarka.
Ku calaamadee codka synthetic oo xafid diiwaannada la-xisaabtanka.
Sii wad Sahaminta
Free newsletter
Get the daily AI briefing
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 AudioGen Text-to-Audio Synthesis quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hagaha xiga
DDSP Synthesis Maqalka Kala Duwan
Su'aalaha soo noqnoqda
What is AudioGen Text-to-Audio Synthesis?
AudioGen waa Meta model kaas oo u beddela sharraxaadda qoraalka dhawaaqa deegaanka ee dhabta ah iyo saamaynta dhawaaqa, sida 'eyga ciya marka shimbiruhu qaylinayaan'. Waa arrin sababtoo ah waxay u ogolaataa abuurayaashu inay soo saaraan maqal aan hadal ahayn oo ka yimid luqad cad, karti dheer oo ka maqan AI-abuurista.
Maxay AudioGen ugu horrayn dhalisaa?
AudioGen wuxuu ku takhasusay hadal la'aanta, maqalka guud sida dhawaqa deegaanka iyo saamaynta laga soo saaro kicinta qoraalka.
Waa maxay marxaladda koowaad ee dhuumaha AudioGen?
Codka neural codec autoencoder wuxuu ku cadaadiyaa maqalka ceeriin calaamado kala duwan oo qaabka luqadda uu markaa saadaalin karo.
Nooc noocee ah ayaa saadaaliya calaamadaha maqalka?
AudioGen waxay isticmaashaa Transformer autoregressive kaas oo saadaaliya calaamooyinka maqalka midba midka kale, oo ku xidhan qoraalka.
Maxay qorayaashu isugu qaseen oo isugu duubeen maqal intii lagu jiray tababarka?
Ku-kordhinta cajalado isku-dhafan iyo kuwo isku-dhafan waxay wanaajisay awoodda AudioGen si uu u curiyo dhawaaqyo badan oo si degdeg ah loogu sharraxay.
Maktabadee Meta ka weyn oo ay ku jirto AudioGen?
AudioGen waa qayb ka mid ah Meta maktabadda AudioCraft, oo waliba ka kooban nooca MusicGen.