Google wprowadził sieć neuronową, która generuje muzykę z opisu tekstowego

Google ogłoszony MusicLM to najnowsza generatywna sztuczna inteligencja, która może przekształcić tekstowe opisy o różnej złożoności w wysokiej jakości muzykę.

Twórcy zauważają, że modele konwersji tekstu na muzykę nie są nowe, ale MusicLM przewyższa poprzednie systemy zarówno pod względem jakości dźwięku, jak i zgodności z opisem tekstowym.

Sieć neuronowa została wytrenowana na 280 tysiącach godzin muzyki, aby mogła poradzić sobie ze złożonymi zapytaniami. Wszystkie melodie tworzone są na częstotliwości 24 kHz, która pozostaje niezmieniona przez kilka minut.

w danym przykłady witryna Google prezentuje 30-sekundowe fragmenty wygenerowane z zaledwie kilku zdań.

MusicLM jest w stanie generować muzykę z różnych gatunków, a nawet grać na „poziomie doświadczenia muzycznego” (na przykład początkujący lub profesjonalista). W przyszłości Google może popracować nad tworzeniem tekstów, poprawą jakości wokali i upsamplingiem.

Jak dotąd programiści nie planują publicznego przesyłania MusicLM.