મેટાએ ઑડિયોક્રાફ્ટ લૉન્ચ કર્યું, એક એઆઈ ટૂલ જે સરળ ટેક્સ્ટને ઑડિયો અને મ્યુઝિકમાં ફેરવશે.
Meta એ ઑડિયોક્રાફ્ટ નામનું નવું ઓપન-સોર્સ AI ટૂલ બહાર પાડ્યું છે. કંપની દાવો કરે છે કે આ સાધન વ્યાવસાયિક સંગીતકારો અને રોજિંદા વપરાશકર્તાઓ બંનેને સરળ ટેક્સ્ટ નોટેશન્સમાંથી ઑડિઓ અને સંગીત બનાવવા માટે સક્ષમ કરવા માટે રચાયેલ છે.
ઑડિયોક્રાફ્ટમાં ત્રણ મોડ્યુલનો સમાવેશ થાય છે: મ્યુઝિકજેન, ઑડિયોજેન અને એન્કોડેક. મ્યુઝિકજેનને મેટાની પોતાની મ્યુઝિક લાઇબ્રેરીનો ઉપયોગ કરીને તાલીમ આપવામાં આવે છે અને તે ટેક્સ્ટ ઇનપુટ્સમાંથી સંગીત જનરેટ કરી શકે છે. બીજી તરફ, AudioGen ને સાર્વજનિક સાઉન્ડ ઈફેક્ટ્સમાં તાલીમ આપવામાં આવે છે અને તે ટેક્સ્ટ ઇનપુટ્સના આધારે ઑડિયો જનરેટ કરી શકે છે. વધુમાં, EnCodec ડીકોડરને સુધારેલ છે, જે ઓછા અનિચ્છનીય કલાકૃતિઓ સાથે ઉચ્ચ-ગુણવત્તાવાળા સંગીત જનરેશન માટે પરવાનગી આપે છે.
નવા AudioCraft ટૂલનો ઉપયોગ કરીને
મેટા તેના પૂર્વ-પ્રશિક્ષિત ઑડિયોજેન મૉડલ્સ ઉપલબ્ધ કરાવી રહ્યું છે, જે વપરાશકર્તાઓને પર્યાવરણીય અવાજો અને સાઉન્ડ ઇફેક્ટ જેમ કે કૂતરાઓના ભસવા, કારના શિંગડા મારવા અથવા લાકડાના ફર્શ પર પગ મૂકવાની મંજૂરી આપશે. વધુમાં, મેટા ઓડિયોક્રાફ્ટ ટૂલ માટે તમામ મોડલ વજન અને કોડ શેર કરી રહ્યું છે. આ નવા ટૂલમાં મ્યુઝિક કમ્પોઝિશન, સાઉન્ડ ઈફેક્ટ જનરેશન, કમ્પ્રેશન એલ્ગોરિધમ્સ અને ઓડિયો જનરેશન સહિત બહુવિધ એપ્લિકેશન્સ છે.
આ મોડલ્સને ઓપન-સોર્સિંગ કરીને, મેટાનો હેતુ સંશોધકો અને પ્રેક્ટિશનરોને તેમના પોતાના ડેટાસેટ્સનો ઉપયોગ કરીને તેમના પોતાના મોડલ્સને તાલીમ આપવા માટે ઍક્સેસ આપવાનો છે.
મેટા દાવો કરે છે કે જનરેટિવ AI એ છબીઓ, વિડિયો અને ટેક્સ્ટમાં નોંધપાત્ર પ્રગતિ કરી છે, પરંતુ ઑડિયોએ વિકાસનું સમાન સ્તર જોયું નથી. ઑડિયોક્રાફ્ટ ઉચ્ચ-ગુણવત્તાવાળા ઑડિયો જનરેટ કરવા માટે વધુ સુલભ અને વપરાશકર્તા-મૈત્રીપૂર્ણ મંચ પ્રદાન કરીને આ અંતરને પૂર્ણ કરે છે.
તેમના સત્તાવાર બ્લોગમાં, મેટા સમજાવે છે કે વાસ્તવિક અને ઉચ્ચ-વફાદારી ઓડિયો બનાવવો એ ખાસ કરીને પડકારજનક છે કારણ કે તેમાં વિવિધ સ્કેલ પર જટિલ સંકેતો અને પેટર્નનું મોડેલિંગ સામેલ છે. સંગીત, સ્થાનિક અને લાંબા ગાળાની પેટર્નથી બનેલું હોવાથી, ઑડિયો જનરેશનમાં એક અનોખો પડકાર રજૂ કરે છે.
ઑડિયોક્રાફ્ટ લાંબા સમય સુધી ઉચ્ચ-ગુણવત્તાવાળા ઑડિયોનું ઉત્પાદન કરવામાં સક્ષમ છે. કંપની દાવો કરે છે કે તે ઓડિયો માટે જનરેટિવ મોડલ્સની ડિઝાઇનને સરળ બનાવે છે, જે વપરાશકર્તાઓ માટે હાલના મોડલ્સ સાથે પ્રયોગ કરવાનું સરળ બનાવે છે.
