இந்த இடுகை பின்வரும் உள்ளடக்கத்தை விளக்கும்:
- OpenAI இன் Jukebox என்றால் என்ன?
- OpenAI இன் Jukebox எவ்வாறு வேலை செய்கிறது?
- OpenAI இன் Jukebox ஐ எவ்வாறு பயன்படுத்துவது?
- ஜூக்பாக்ஸின் அம்சங்கள்
OpenAI இன் Jukebox என்றால் என்ன?
ஜூக்பாக்ஸ் என்பது ஒரு ஆழமான கற்றல் அமைப்பாகும், இது பாடல் வரிகள், வகை, கலைஞர் அல்லது மனநிலை போன்ற சில உள்ளீடுகளின் அடிப்படையில் இசையை புதிதாக உருவாக்க முடியும். ஜூக்பாக்ஸ் இசையின் வடிவங்களையும் அம்சங்களையும் அறிய Spotify, YouTube மற்றும் MIDI கோப்புகள் போன்ற பல்வேறு மூலங்களிலிருந்து 1.2 மில்லியனுக்கும் அதிகமான பாடல்களின் பெரிய தரவுத்தொகுப்பைப் பயன்படுத்துகிறது.
OpenAI இன் Jukebox எவ்வாறு வேலை செய்கிறது?
ஜூக்பாக்ஸ் மூன்று முக்கிய கூறுகளைக் கொண்டுள்ளது: ஒரு VQ-VAE குறியாக்கி, ஒரு மின்மாற்றி குறியாக்கி மற்றும் ஒரு அப்சாம்ப்ளர்.
VQ-VAE குறியாக்கி
VQ-VAE குறியாக்கியானது மூல ஆடியோவை குறைந்த பரிமாணப் பிரதிநிதித்துவமாக சுருக்கி, இசையின் அத்தியாவசியத் தகவலைப் பாதுகாக்கிறது. குறியாக்கியானது, ஆடியோவின் ஒவ்வொரு பகுதியையும் 2048 டோக்கன்களில் ஒன்றாக வரைபடமாக்க, வெக்டர் குவாண்டிசேஷன் (VQ) எனப்படும் நுட்பத்தைப் பயன்படுத்துகிறது.
டிரான்ஸ்பார்மர் டிகோடர்
இந்த டோக்கன்கள் டிரான்ஸ்பார்மர் டிகோடரில் செலுத்தப்படுகின்றன, இது ஒரு நரம்பியல் நெட்வொர்க் ஆகும், இது உள்ளீடு மற்றும் கற்ற இசை அறிவின் அடிப்படையில் டோக்கன்களின் வரிசைகளை உருவாக்க முடியும். டிகோடர் பாடல் வரிகள், மெல்லிசை, இணக்கம், ரிதம், டிம்ப்ரே மற்றும் பிற இசை அம்சங்களுடன் தொடர்புடைய டோக்கன்களை உருவாக்க முடியும்.
அப்சம்ப்ளர்
உருவாக்கப்படும் டோக்கன்களை மீண்டும் உயர்தர ஆடியோவாக மாற்றும் இறுதிக் கூறு அப்சம்ப்ளர் ஆகும். டோக்கன்களிலிருந்து ஆடியோவை மறுகட்டமைக்க அப்சாம்ப்ளர் மற்றொரு VQ-VAE ஐப் பயன்படுத்துகிறது, அதே நேரத்தில் குறைந்த பரிமாணப் பிரதிநிதித்துவத்தில் விடுபட்ட விவரங்கள் மற்றும் நுணுக்கங்களைச் சேர்க்கிறது. வெளியீட்டை நன்றாக மாற்றவும், அதை மிகவும் யதார்த்தமாகவும் மாறுபட்டதாகவும் மாற்றுவதற்கு வகை அல்லது கலைஞர் உட்பொதிப்புகள் போன்ற கூடுதல் தகவல்களையும் அப்சாம்லர் பயன்படுத்தலாம்.
OpenAI இன் Jukebox ஐ எவ்வாறு பயன்படுத்துவது?
ஜூக்பாக்ஸைப் பயன்படுத்த, நீங்கள் சக்திவாய்ந்த GPU அல்லது ஜூக்பாக்ஸ் குறியீட்டை இயக்கக்கூடிய கிளவுட் கம்ப்யூட்டிங் சேவைக்கான அணுகலைப் பெற்றிருக்க வேண்டும். ஜூக்பாக்ஸை எவ்வாறு நிறுவுவது மற்றும் இயக்குவது என்பதற்கான ஸ்கிரிப்ட் மற்றும் வழிமுறைகளை நீங்கள் காணலாம் கிட்ஹப் . ஜூக்பாக்ஸ் உருவாக்கிய பாடல்களின் சில உதாரணங்களையும் நீங்கள் காணலாம் SoundCloud கீழே:
Jukebox மூலம் உங்கள் சொந்த பாடல்களை உருவாக்க, பாடல் வரிகள், வகை, கலைஞர் அல்லது மனநிலை போன்ற சில உள்ளீட்டு அளவுருக்களை வழங்க வேண்டும். நீங்கள் மாதிரி வெப்பநிலையையும் குறிப்பிடலாம், இது வெளியீடு எவ்வளவு சீரற்ற மற்றும் ஆக்கப்பூர்வமாக இருக்கும் என்பதைக் கட்டுப்படுத்துகிறது.
அதிக வெப்பநிலை என்பது அதிக பன்முகத்தன்மை மற்றும் புதுமை என்று பொருள்படும், அதே சமயம் குறைந்த வெப்பநிலை என்பது உள்ளீட்டில் அதிக ஒத்திசைவு மற்றும் ஒற்றுமையைக் குறிக்கிறது. 5b (அதிகபட்சம்) முதல் 1b (குறைந்தது) வரையிலான வெளியீட்டின் தரம் மற்றும் சிக்கலான அளவையும் நீங்கள் தேர்வு செய்யலாம். உயர் நிலை என்பது அதிக நம்பகத்தன்மை மற்றும் விவரம், ஆனால் அதிக கணக்கீட்டு நேரம் மற்றும் வளங்களைக் குறிக்கிறது.
உங்கள் உள்ளீட்டு அளவுருக்களை அமைத்தவுடன், ஜூக்பாக்ஸ் குறியீட்டை இயக்கி, அது உங்கள் பாடலை உருவாக்கும் வரை காத்திருக்கலாம். உங்கள் அமைப்புகள் மற்றும் வன்பொருளைப் பொறுத்து, இதற்கு நிமிடங்களிலிருந்து மணிநேரங்கள் அல்லது நாட்கள் கூட ஆகலாம். மேலும், முன்னேற்றத்தைக் கண்காணித்து, வழியில் உள்ள இடைநிலை மாதிரிகளைக் கேட்கவும். தலைமுறை முடிந்ததும், உங்கள் பாடலை MP3 கோப்பாக பதிவிறக்கம் செய்து உங்கள் இசையின் தலைசிறந்த படைப்பை அனுபவிக்கலாம்.
ஜூக்பாக்ஸின் அம்சங்கள்
ஜூக்பாக்ஸை பல்வேறு நோக்கங்களுக்காகப் பயன்படுத்தலாம், அவை:
- தனிப்பட்ட அல்லது வணிக பயன்பாட்டிற்காக அசல் இசையை உருவாக்குதல்
- ஏற்கனவே உள்ள பாடல்களை ரீமிக்ஸ் செய்தல் அல்லது மாதிரி செய்தல்
- குறிப்பிட்ட மனநிலைகள், கருப்பொருள்கள் அல்லது சந்தர்ப்பங்களுக்கு இசையை உருவாக்குதல்
- இசையின் பல்வேறு வகைகள் மற்றும் பாணிகளை ஆராய்தல்
- வேடிக்கையாகவும் ஆக்கப்பூர்வமாகவும் இருத்தல்
முடிவுரை
ஜூக்பாக்ஸ் ஒரு அற்புதமான கருவியாகும், இது குறைந்த முயற்சியில் அசல் மற்றும் மாறுபட்ட இசையை உருவாக்க உதவும். வெவ்வேறு வகைகள் மற்றும் பாணிகளை பரிசோதிக்க, ஏற்கனவே உள்ள பாடல்கள் அல்லது கலைஞர்களை ரீமிக்ஸ் செய்ய அல்லது உங்கள் சொந்த உணர்ச்சிகளையும் யோசனைகளையும் இசையின் மூலம் வெளிப்படுத்த நீங்கள் இதைப் பயன்படுத்தலாம். ஜூக்பாக்ஸ் சரியானது அல்ல; இது சில நேரங்களில் குறைபாடுகள், பிழைகள் அல்லது அர்த்தமற்ற வெளியீடுகளை உருவாக்கலாம்.