AudioLM
AudioLM waa Google qaab cilmi baaris oo soo saarta maqal macquul ah - hadalka ama muusiga biyaano - iyadoo loola dhaqmo codka sida luqadda oo loo saadaaliyo calaamad ahaan.
Dulmar
It matters because it showed you can produce coherent, natural-sounding audio continuations without any text transcript or musical score.
quusid qoto dheer
Waxaa soo bandhigay Google sanadka 2022, AudioLM waxay dib u habaysaa jiilka maqalka sidii mushkilad qaabaynta luqadda: waxay u beddeshaa waveforms ceeriin calaamado kala duwan ka dibna waxay saadaalisaa calaamadda xigta, sida qaabka qoraalka u saadaaliyo erayga xiga. Khiyaamadeeda furaha ah waa kala sareynta noocyada calaamada. Calaamadaha 'Semantic' (oo ka soo jeeda moodeel sida w2v-BERT) waxay qabtaan qaab-dhismeedka muddada-dheer - codka codka, syntax, laxanka - halka calaamadaha 'coustic' (oo ka yimid koodka neural codec ee SoundStream) ay qabtaan faahfaahin wanaagsan sida aqoonsiga hadalka, timbre, iyo xaaladaha duubista. Marka ugu horeysa ee la saadaaliyo calaamadaha semantic, ka dibna qaboojiya calaamadaha dhawaaqa iyaga, AudioLM waxay soo saartaa sii wadida isku xirnaanta ilbiriqsiyo badan iyadoo la ilaalinayo codka asalka ah ama qalabka. Dhawr ilbiriqsi oo hadal ah, waxay ku sii socotaa ku hadalka isla cod; la siiyo biyaano, waxa ay hagaajinaysaa qaab la mid ah.
Aragtida Farsamada
AudioLM waxa lagu tababbaray kaliya maqal-ma jiro qoraallo qoraal ah. SoundStream waxay ku cadaadisaa maqalka calaamadaha dhawaaqa iyadoo la adeegsanayo tirinta vector-ka haraaga ah, halka w2v-BERT ay siinayso calaamado semantic oo adag. Tusmada moodooyinka luqadda Transformer-ka waxay saadaaliyaan calaamadaha marxaladaha: semantic marka hore qaab dhismeedka, ka dibna calaamado dhawaaq ah oo qalafsan oo qumman oo dib-u-dhis sare leh. Codeeyaha SoundStream wuxuu ugu dambeyntii u rogaa calaamadihii la saadaaliyay qaab mawjad, isagoo soo saaraya cod ilaalinaya codka afhayeenka iyo soo jeedintiisa mid joogto ah.
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 AudioLM
Qalabka calamada ku saleysan ee AudioLM ayaa noqday aasaaska nidaamyada dambe: Google's AudioLM fikradaha la geliyey MusicLM ee qoraalka-music iyo SoundStorm ee jiilka dhaqsaha badan, halka goobta ballaaran ay hadda isku daraan calaamadaha semantic iyo acoustic ee guud ahaan hadalka, muusiga, iyo saamaynta dhawaaqa. Filo dhaqsiyaha badan, jiilka waqtiga-dhabta ah, wax soo saarka isku xiran ee dheer, iyo kontoroolka hababka kala duwan ee qoraalka ama calaamadaha kale ay hagaan moodooyinka lagu tababaray maqalka. Farsamooyin isku mid ah ayaa sidoo kale xoojiya welwelka ku saabsan xidhitaanka codka iyo dhageysiga qoto dheer ee maqalka.
Dhaqangelinta Adduunka-dhabta ah
Ku sii wadida goos goos gaaban oo isla codka ku hadla iyo laxanka la'aan qoraal
Hagaajinta muusik cusub oo biyaano ah oo u dhigma qaabka degdega ah ee la duubay
U adeegida sidii laf dhabarta jiilka maqalka ee hababka qoraalka-ku-muusiga sida MusicLM
Cilmi-baadhis lagu sameeyo hab-dhismeed-hadalka oo dhawra prosody iyo duubista acoustics ee muunad
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 AudioLM 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
Barashada ereyada muhiimka ah iyo ereyada toosan
Su'aalaha soo noqnoqda
What is AudioLM?
AudioLM waa Google qaab cilmi baaris oo soo saarta maqal macquul ah - hadalka ama muusiga biyaano - iyadoo loola dhaqmo codka sida luqadda oo loo saadaaliyo calaamad ahaan. Waa arrin sababtoo ah waxay tustay inaad soo saari karto isku-dhafan, cod dabiici ah oo sii socon doona iyadoon wax qoraal ah laga helin ama dhibco muusig.
Waa maxay fikradda asaasiga ah ee uu AudioLM u isticmaalo soo saarista maqalka?
AudioLM waxay u beddeshaa waveforms calaamado kala duwan waxayna u saadaalisaa si isdaba joog ah, iyadoo adeegsanaysa habka xiga ee moodooyinka luqadda codka qaydhiin.
Waa maxay doorka calaamadaha 'semantic' ee AudioLM?
Calaamadaha Semantic (laga bilaabo w2v-BERT) waxay dejiyaan qaab-dhismeedka heerka sare ah iyo isku xirnaanta, halka calaamadaha acoustic ay gacanta ku hayaan tafaasiisha maqalka wanaagsan.
Waa kuwee codec neural ah oo soo saara calaamadaha dhawaaqa ee AudioLM?
SoundStream waxay isticmaashaa hadhaaga tirooyinka vector si ay ugu cadaadiyo maqalka calaamadaha dhawaaqa oo ay hadhow kala saarto calaamadihii la saadaaliyay oo dib ugu noqda qaab mawjadaha.
Maxay AudioLM uga baahan tahay xogta tababarka ahaan?
Muuqaal xusid mudan ayaa ah in AudioLM ay ku tabobarto maqal kaliya iyada oo aan wax calaamado qoraal ah lahayn, qaab-dhismeed toos ah looga baranayo codka.
Muxuu AudioLM u saadaaliyaa calaamadaha semantic ka hor calaamadaha dhawaaqa?
Soo saarista qaab-dhismeed qalafsan ayaa marka hore ilaalinaysa wax-soo-saarku inay is-waafaqsan yihiin muddo ka dib; calaamadaha dhawaaqa ayaa markaa shardi u ah qaabdhismeedkaas si loogu daro tafaasiisha aaminnimada sare.