スタビリティAIによるステーブルオーディオはどのように機能するのでしょうか?

『スタビリティAIによるステーブルオーディオの仕組みとは?』

素晴らしい音楽を生成する新しいAI!

louisbouchard.aiで最初に公開され、2日前に私のブログで読めるようになりました。

ビデオを見る:

AIがすでに素晴らしい音楽を作り出すことを知っていますか?

そうです、そうなんです。研究の文脈では、自分でコーディングすることもできますが、わずかなテキストの説明を入力するだけで音楽のサンプルを手に入れることができるウェブサイトもあります!そして、最高のことは、1か月に最大20回まで無料で試すことができることです!実際に、Stable Diffusionの同じチームが最近リリースした「Stable Audio」があります。Stable Audioは、Stability AIによって非常に似た方法で機能し、テキストを理解し、それらの抽象的な言葉を音楽の表現に変換することができます。まるでイメージのためにStable Diffusionが行うようにです。しかも、無料で使えるだけでなく、彼らは実現方法も公開していますので、さっそく見てみましょう!

私のチャンネルでも何度もご紹介してきたように、特に画像や他の複雑な信号を含む多くの新しい生成アプローチは、拡散ネットワークと呼ばれるアプローチに基づいています。それが、まさにStable Diffusionです。

なぜこれが重要なのか?Stable Diffusionを再び取り上げる理由は2つあります。まず、拡散モデルはノイズを取り入れ、それに基づいて出力を生成する強力なネットワークです。これは、モデルを逆方向に訓練し、画像を開始点にして少しずつ画像を完全にノイズに変換し、それをどのように変換したかをモデルに教えることで実現できます。何百万回もの試行と例を通じて、モデルはノイズのパターンを学び、ノイズをフルに活用して画像のような入力を構築することができます。

イメージからイメージへのスタイル転送アプリケーションの拡散プロセス(スケッチを入力、実際の画像が出力)

しかし、ここには音声について話しているので、これが関連する理由は何でしょうか?実際には、音声は画像と非常に似ています。音声は、周波数コンテンツの時間にわたるすべての視覚的表現であるマグニチュードスペクトログラムに変換することができます。x軸は時間を示しています…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

ギル・ジェロン、Orca SecurityのCEO&共同創設者-インタビューシリーズ

ギル・ゲロンは、オルカ・セキュリティのCEO兼共同設立者ですギルは20年以上にわたりサイバーセキュリティ製品をリードし、提...

人工知能

エンテラソリューションズの創設者兼CEO、スティーブン・デアンジェリス- インタビューシリーズ

スティーブン・デアンジェリスは、エンタラソリューションズの創設者兼CEOであり、自律的な意思決定科学(ADS®)技術を用いて...

機械学習

もし芸術が私たちの人間性を表現する方法であるなら、人工知能はどこに適合するのでしょうか?

MITのポストドクターであるジヴ・エプスタイン氏(SM '19、PhD '23)は、芸術やその他のメディアを作成するために生成的AIを...

人工知能

「ジンディのCEO兼共同創設者、セリーナ・リー― インタビューシリーズ」

「Celina Leeは、ZindiのCEO兼共同創設者であり、アフリカのデータサイエンティスト向けの最大の専門ネットワークです Celina...

機械学習

「機械学習 vs AI vs ディープラーニング vs ニューラルネットワーク:違いは何ですか?」

テクノロジーの急速な進化は、ビジネスが効率化のために洗練されたアルゴリズムにますます頼ることで、私たちの日常生活を形...

人工知能

「UVeyeの共同設立者兼CEO、アミール・ヘヴェルについてのインタビューシリーズ」

アミール・ヘヴァーは、UVeyeのCEO兼共同創設者であり、高速かつ正確な異常検出により、自動車およびセキュリティ産業に直面...