Âm thanhLM
AudioLM là khung nghiên cứu Google tạo ra âm thanh trung thực — lời nói hoặc nhạc piano — bằng cách xử lý âm thanh như một ngôn ngữ và dự đoán âm thanh đó theo từng mã thông báo.
Tổng quan
It matters because it showed you can produce coherent, natural-sounding audio continuations without any text transcript or musical score.
Lặn sâu
Được giới thiệu bởi Google vào năm 2022, AudioLM định hình lại việc tạo âm thanh như một vấn đề về mô hình hóa ngôn ngữ: nó chuyển đổi dạng sóng thô thành các mã thông báo rời rạc và sau đó dự đoán mã thông báo tiếp theo, giống như mô hình văn bản dự đoán từ tiếp theo. Bí quyết chính của nó là phân cấp các loại mã thông báo. Mã thông báo 'ngữ nghĩa' (từ mô hình như w2v-BERT) ghi lại cấu trúc dài hạn — ngữ âm, cú pháp, giai điệu — trong khi mã thông báo 'âm thanh' (từ bộ mã hóa thần kinh SoundStream) ghi lại các chi tiết nhỏ như nhận dạng người nói, âm sắc và điều kiện ghi âm. Trước tiên, bằng cách dự đoán các mã thông báo ngữ nghĩa, sau đó điều chỉnh các mã thông báo âm thanh trên chúng, AudioLM tạo ra các phần tiếp theo mạch lạc trong nhiều giây trong khi vẫn giữ nguyên giọng nói hoặc nhạc cụ gốc. Sau vài giây nói, nó tiếp tục nói bằng cùng một giọng; với piano, nó sẽ ứng biến theo phong cách tương tự.
Hiểu biết kỹ thuật
AudioLM được đào tạo hoàn toàn về âm thanh - không có bản ghi. SoundStream nén âm thanh thành mã thông báo âm thanh thông qua lượng tử hóa vectơ dư, trong khi w2v-BERT cung cấp mã thông báo ngữ nghĩa thô. Một loạt các mô hình ngôn ngữ Transformer dự đoán mã thông báo theo các giai đoạn: ngữ nghĩa đầu tiên dành cho cấu trúc, sau đó là các mã thông báo âm thanh thô và tinh tế để tái tạo có độ chính xác cao. Bộ giải mã của SoundStream cuối cùng biến các mã thông báo được dự đoán trở lại dạng sóng, tạo ra âm thanh giúp giọng nói và nhịp điệu của người nói luôn nhất quán.
Tác động chiến lược
Truy cập và tiếp cận
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
Chi phí và ngân sách
Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
Tốc độ và tỷ lệ
Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
Tương lai của AudioLM
Công thức dựa trên mã thông báo của AudioLM đã trở thành nền tảng cho các hệ thống sau này: các ý tưởng AudioLM của Google được đưa vào MusicLM để chuyển văn bản thành nhạc và SoundStorm để tạo nhanh hơn, trong khi lĩnh vực rộng hơn hiện kết hợp các mã thông báo ngữ nghĩa và âm thanh trong lời nói, âm nhạc và hiệu ứng âm thanh. Mong đợi việc tạo ra thời gian thực nhanh hơn, đầu ra mạch lạc dài hơn và khả năng điều khiển đa phương thức trong đó văn bản hoặc các tín hiệu khác điều khiển các mô hình được đào tạo hoàn toàn bằng âm thanh. Các kỹ thuật tương tự cũng làm tăng thêm mối lo ngại về việc sao chép giọng nói và âm thanh deepfake.
Triển khai trong thế giới thực
Tiếp tục một đoạn bài phát biểu ngắn với giọng và ngữ điệu của cùng một người nói mà không có bản ghi
Cải tiến nhạc piano mới phù hợp với phong cách của lời nhắc được ghi ngắn gọn
Đóng vai trò là xương sống tạo âm thanh cho các hệ thống chuyển văn bản thành nhạc như MusicLM
Nghiên cứu tổng hợp giọng nói để duy trì nhịp điệu và ghi lại âm thanh từ mẫu
Rủi ro & lan can
Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.
Lộ trình thực hiện
Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Phát hiện từ khóa và đánh thức từ khóa
Câu hỏi thường gặp
What is AudioLM?
AudioLM là khung nghiên cứu Google tạo ra âm thanh trung thực — lời nói hoặc nhạc piano — bằng cách xử lý âm thanh như một ngôn ngữ và dự đoán âm thanh đó theo từng mã thông báo. Điều này quan trọng vì nó cho thấy bạn có thể tạo ra các phần tiếp theo âm thanh mạch lạc, có âm thanh tự nhiên mà không cần bất kỳ bản ghi văn bản hoặc bản nhạc nào.
AudioLM sử dụng ý tưởng cốt lõi nào để tạo ra âm thanh?
AudioLM chuyển đổi dạng sóng thành các mã thông báo riêng biệt và dự đoán chúng một cách tuần tự, áp dụng cách tiếp cận mã thông báo tiếp theo của mô hình ngôn ngữ cho âm thanh thô.
Vai trò của mã thông báo 'ngữ nghĩa' trong AudioLM là gì?
Mã thông báo ngữ nghĩa (từ w2v-BERT) mã hóa cấu trúc và sự mạch lạc cấp cao, trong khi mã thông báo âm thanh xử lý chi tiết âm thanh tốt.
Bộ giải mã thần kinh nào tạo ra mã thông báo âm thanh của AudioLM?
SoundStream sử dụng lượng tử hóa vectơ dư để nén âm thanh thành mã thông báo âm thanh và sau đó giải mã mã thông báo được dự đoán thành dạng sóng.
AudioLM yêu cầu dữ liệu đào tạo gì?
Một tính năng đáng chú ý là AudioLM đào tạo hoàn toàn bằng âm thanh mà không có bất kỳ nhãn văn bản nào, học cấu trúc trực tiếp từ âm thanh.
Tại sao AudioLM dự đoán mã thông báo ngữ nghĩa trước mã thông báo âm thanh?
Việc tạo cấu trúc thô trước tiên sẽ giữ cho đầu ra mạch lạc theo thời gian; Mã thông báo âm thanh sau đó được điều chỉnh dựa trên cấu trúc đó để thêm chi tiết có độ trung thực cao.