פריצת הדרך המחקרית של גוגל בתחום מחוללי המוזיקה בבינה מלאכותית, הדגימה לראשונה מודל המסוגל לקבל כקלט זמזום אנושי פשוט או שריקה ספונטנית ולתרגם אותם לעיבוד מוזיקלי רב-שכבתי מלא ועשיר בכלים ובמקצבים לפי סגנון מוגדר.
הטכנולוגיה, שהונחה בבסיס פיתוחי מודל MusicLM, מאפשרת לשלב בין הנחיה טקסטואלית מילולית המתארת ז'אנר, אווירה וכלי נגינה לבין קלט מלודי קולי. המערכת מחלצת את המבנה ההרמוני והמקצב מתוך הזמזום, ובונה סביבו הפקה אולפנית שלמה הכוללת תופים, בס, כלי מקלדת ותזמור סימפוני תוך שמירה על קו המלודיה המקורי בדיוק מפתיע.
איך זה עובד עם שריקה או זמזום?
- • שילוב קלט אודיו וטקסט: אתם יכולים לשרוק או לזמזם מנגינה קצרה, ולשלב אותה יחד עם תיאור מילולי (לדוגמה: "מנגינת כינור רגועה המגובה בריף גיטרה חשמלית מעוותת" או עיבוד בסגנון מרים / א-קפלה).
- • המרת סגנון (Melody Conditioning): המודל לוקח את המנגינה ששרקתם ומלביש עליה את הכלים, הקצב והסגנון המוזיקלי שביקשתם בטקסט, תוך שמירה על המבנה המלודי המקורי שלכם.
- • איכות הצליל: המודל מייצר אודיו באיכות של 24kHz שיכול להישאר עקבי ומבני למשך כמה דקות.
המאמר המלא ב-ACT AI
המאמר מדגיש את החשיבות העצומה של כלי זה כגשר בין הרעיון המוזיקלי הראשוני החולף בראשו של יוצר לבין הפקה מוחשית באולפן. היכולת להקליט מנגינה ספונטנית בסמארטפון ולקבל סקיצה מוזיקלית מפותחת תוך שניות מסמנת שינוי מהותי באופן שבו מוזיקאים ומפיקים מפתחים רעיונות ומקצרים את המרחק שבין השראה לתוצר מוגמר.