وبلاگ

فناوری همیشه یک ابزار تسطیح عالی بوده است. از عصر صنعتی تا عصر اینترنت، کیفیت زندگی توده ها را بهبود بخشید و چیزهایی را که قبلاً غیرقابل تصور بود قابل دسترس تر کرد. فقط کافی است به گوشی هوشمند خود نگاه کنید تا متوجه شوید که چگونه برقراری ارتباط با فردی که هزاران کیلومتر دورتر می نشیند به قدری عادی شده است که بسیاری حتی به آن فکر نمی کنند. قبل از گراهام بل، چنین ارتباطی از راه دور تنها برای ثروتمندان و قدرتمندان به دلیل هزینه های بالای مربوط به آن در دسترس بود.

چنین نمونه هایی بی شمار است. از رسانه‌های اجتماعی که امکان اتصال واقعی در سراسر جهان را فراهم می‌کنند، اپلیکیشن‌های گوشی‌های هوشمند، کارهایی را دیجیتالی می‌کنند که نیاز به حضور فیزیکی دارند و ساعاتی از روز را به خود اختصاص می‌دهند، و دورکاری که به افرادی که دور از مراکز شرکتی با فرصت‌های بهتر برای کسب سود زندگی می‌کنند توانمند می‌سازد، فناوری خود دسترسی را دموکراتیک می‌کند. از بسیاری جهات، مولد هوش مصنوعی (AI) حامل مشعل بعدی برای گسترش دسترسی به مرزهای جدید است.

یکی از حوزه‌هایی که دسترسی می‌تواند تأثیر زیادی داشته باشد، صنعت موسیقی است. با وجود ورود پلتفرم های پخش مستقل مانند SpotifySoundCloud، اپل موزیکو بیشتر، ارزان‌تر کردن توزیع موسیقی، مشکلی که باقی می‌ماند ایجاد موسیقی است. امروزه، موسیقی پس زمینه اصلی یک کالای بسیار مورد نیاز است. از هنرمندان حرفه‌ای گرفته تا سازندگان رسانه‌های اجتماعی و پادکست‌ها، همه برای جلوگیری از هرگونه اخطار حق نسخه‌برداری از سوی پلتفرم‌ها (سازندگان محتوای یوتیوب به خوبی از تاثیر آن آگاه هستند) یا شکایت‌های حقوقی، به ضبط موسیقی برای محتوای خود، ترجیحاً اصلی، نیاز دارند.

اما ساخت موسیقی برای همه نیست. به احتمال زیاد، اگر سال‌ها برای تسلط بر یک یا چند آلات موسیقی آموزش ندیده‌اید، اما می‌خواهید موسیقی اصیل و منحصربه‌فرد برای نیازهای حرفه‌ای خود داشته باشید، تنها با دو راه‌حل گران قیمت گیر خواهید آورد – استخدام یک تهیه‌کننده موسیقی یا نوازنده جلسه، یا پرداخت آنلاین برای خرید موسیقی استوک. اما دیگر نه، زیرا اینجاست که هوش مصنوعی وارد عمل شد.

به عنوان مثال Beatoven.ai، یک پلتفرم تولید موسیقی مبتنی بر هوش مصنوعی هندی را در نظر بگیرید که به کاربران این امکان را می دهد تا یک پیام متنی ساده را تایپ کنند تا موسیقی پس زمینه جدید و منحصر به فرد را در عرض ده ثانیه تولید کنند. برای درک نحوه عملکرد این فناوری، پیامدهای مختلف آن و تجربه راه اندازی چنین استارت آپی نوآورانه، ما در Gadgets 360 با منصور رحیمت خان، یکی از بنیانگذاران و مدیر عامل Beatoven.ai صحبت کردیم.

خلقت و سفر Beatoven.ai

منصور رحیمت خان، مدیرعامل و یکی از بنیانگذاران Beatoven.ai در مراسم اهدای جوایز Gadgets 360

منصور رحیمت خان از Gwalior-Indore-Dharwad Sitar Gharana، یک خانواده مشهور از نوازندگان است که برای هفت نسل موسیقی مدرن سیتار را می نوازند و شکل می دهند. خان هیچ تفاوتی نداشت، اما به دلیل علاقه دیگری که داشت – تکنولوژی – راه متفاوتی را انتخاب کرد. من فارغ التحصیلی خود را از موسسه ملی فناوری (NIT)، گوا در رشته الکترونیک و مهندسی ارتباطات به پایان رساندم. این زمانی بود که من شروع به جستجو در فضایی کردم که در تقاطع موسیقی و فناوری قرار دارد.

خان پس از چند سال کار، با سیدهارت بهاردواج، فارغ التحصیل موسسه فناوری هند (IIT)، الله آباد (که اکنون به نام پرایاگراج شناخته می شود) و علاقه مندان به موسیقی آشنا شد. این دو، که علایق مشابهی داشتند، مشکل صدور مجوز موسیقی در محتوا را شناسایی کردند و می‌خواستند چیزی بسازند که موسیقی را برای میلیون‌ها سازنده قابل دسترس‌تر کند – چه در رسانه‌های اجتماعی یا حرفه‌ای. این پیدایش Beatoven.ai بود.

ولی یه مشکلی بود. حتی زمانی که این دو در سال 2021 کار روی محصول و استارتاپ را آغاز کردند، راه حل آنها برای حل این مشکل نیازمند هوش مصنوعی مولد بود که هنوز یک سال تا رسیدن به جریان اصلی فاصله داشت (نوامبر 2022). ChatGPT احتمالاً مسابقه نسل هوش مصنوعی را آغاز کرده است).

«در ابتدا، نمونه اولیه ای که در سال 2021 ایجاد کردیم، یک پلت فرم بسیار معمولی بود. کاربران می توانند ژانر و سرعت را انتخاب کنند و مدت زمان را مشخص کنند و ما یک قطعه موسیقی اصلی تولید می کنیم. مدل‌های زبان بزرگ (LLM) در آن زمان وجود نداشت، بنابراین ما مجبور شدیم کل پشته فناوری خود را از ابتدا بسازیم. امروز، ما فناوری اختصاصی خود را داریم که در آن زمان شروع به ساختن آن کردیم.”

وقتی موج هوش مصنوعی آمد و Beatoven.ai از داشتن LLM در بازار استفاده کرد و با استفاده از آنها می‌توانستند پلتفرم خود را برای پاسخگویی به پایگاه کاربر فعلی خود که یک میلیون نفر است، بهتر تجهیز کنند، همه چیز آسان‌تر شد.

پلت فرم Beatoven.ai

پلتفرم فقط وب یک ابزار تولید موسیقی هوش مصنوعی برای سازندگان محتوا است. کاربران، پس از ثبت نام، می توانند یک پیام متنی برای تولید موسیقی پس زمینه اصلی بنویسند. علاوه بر این، این پلتفرم به کاربران اجازه می دهد تا تمپو، مدت زمان، ژانر و حالت خلق موسیقی را انتخاب کنند.

پس از اینکه کاربر ورودی را اضافه کرد، هوش مصنوعی کنترل می‌شود و چهار آهنگ جداگانه تولید می‌کند. این پلتفرم همچنین ویژگی‌های ویرایش پس از نسل را ارائه می‌کند که در آن کاربران می‌توانند یک ساز را تغییر دهند، صدا را در قسمت‌های خاصی کم یا زیاد کنند، یا یک بخش کامل از یک آهنگ را دوباره بسازند. خان گفت که یک آهنگ می‌تواند تا 15 دقیقه طول بکشد، اگرچه محدودیت بالایی وجود ندارد و مقدار پیشنهادی برای کوتاه نگه داشتن زمان‌های رندر وجود دارد. یک آهنگ متوسط ​​1-2 دقیقه ای حدود 10 ثانیه طول می کشد تا تولید شود. بر اساس داده‌های به اشتراک‌گذاشته‌شده توسط این شرکت، Beatoven از زمان آغاز به کار، 15 میلیون موسیقی متن تولید کرده و 3 میلیون بار دانلود کرده است.

در حال حاضر، این پلتفرم به کاربران اجازه نمی‌دهد آهنگ‌های تلفیقی را که در آن دو یا چند ژانر ترکیب شده‌اند بسازند، اما خان به طور انحصاری به Gadgets 360 گفت که این شرکت به‌زودی به‌روزرسانی جدیدی را منتشر خواهد کرد که این ویژگی را اضافه می‌کند.

ما همچنین پلتفرم را آزمایش کردیم و متوجه شدیم که موسیقی کاملا واقعی است. آهنگ زیر با استفاده از اعلان “ایجاد یک سرود EDM با انرژی بالا با آهنگی که برای یک مهمانی رقص عالی است” ایجاد شد.

پشته فناوری Beatoven.ai

پلتفرم بیتوون دو جزء دارد. اولین مورد LLM است که به کاربران اجازه می دهد تا درخواست ها را به زبان طبیعی وارد کنند و سپس آن اطلاعات را به قالبی پردازش کنند که هوش مصنوعی بتواند آن را به موسیقی تبدیل کند. استفاده های استارتاپی GPT مدل های این قسمت

مؤلفه دوم هدف کاربر را درک می کند و آهنگی را تولید می کند که با پارامتر مطابقت دارد. این معماری توسط این شرکت ایجاد شده است. مدل هوش مصنوعی از معماری یادگیری متضاد برای تحقق این امر استفاده می کند. هان تاکید می‌کند که الهام‌بخش این تکنیک از مدل CLIP OpenAI می‌آید، اما سریعاً اشاره می‌کند که OpenAI این الگو برای متن و تصاویر ایجاد شد و Beatoven اولین کسی بود که از آن برای صدا و موسیقی استفاده کرد. از آنجایی که این یک کار ثبت اختراع است، این شرکت همچنین توانست این فرآیند را بهینه کند. به عنوان مثال، هان به ما گفت که این پلتفرم از پین های CPU به جای پین های GPU استفاده می کند. این قابل توجه است با توجه به اینکه حتی LLM های کوچک برای اجرا به خروجی GPU نیاز دارند.

این استارتاپ تقریباً 100000 نمونه داده از هنرمندان مستقل برای آموزش مدل هوش مصنوعی جمع آوری کرده است. این شرکت با نزدیک به 250 هنرمند در سراسر جهان همکاری می کند و برای آهنگ های منحصر به فرد به آنها پول می دهد. خان ادعا می کند که این شرکت تمام داده های آموزشی خود را گرفته و در اینترنت برای آن جستجو نکرده است. جالب اینجاست که طبق گزارش‌ها، ادوبی همین کار را در حال حاضر برای ساخت یک مدل تولید ویدیو با هوش مصنوعی انجام می‌دهد.

با این حال، امروزه داده ها به یک منبع فوق العاده گران قیمت تبدیل شده اند که به طور مداوم برای ارتقا و بهبود مدل های هوش مصنوعی مورد نیاز است. در حالی که Beatoven به همکاری با هنرمندان برای ارائه داده‌ها حتی امروز ادامه می‌دهد، در آینده قصد دارد با معرفی یک مدل اشتراک درآمد هزینه‌ها را کاهش دهد که در آن هنرمندان براساس تعداد آهنگ‌های تولید شده در جایی که هوش مصنوعی از نمونه یا داده‌ها استفاده می‌کند، دستمزد دریافت می‌کند. .

چگونه Beatoven.ai قصد دارد در این رقابت شرکت کند

امروزه تولید موسیقی مبتنی بر هوش مصنوعی یک پیشنهاد منحصر به فرد نیست. بسیاری از بازیکنان با شناخت پتانسیل وارد بخش شدند. برخی شامل Google با MusicLM، OpenAI با Jukebox و Adobe با Project Music GenAI Control است. با این حال، هیچ یک از این مدل ها امروزه در دسترس عموم نیست و همچنان در حال توسعه هستند. اما رقابت برای بیتوون هنوز وجود دارد. یک رقیب بزرگ برای آنها خواهد بود هوش مصنوعی سونوکه نه تنها موسیقی ایجاد می کند، بلکه صداهای تولید شده توسط هوش مصنوعی را نیز به موسیقی اضافه می کند تا یک آهنگ کامل را ارائه دهد.

خان در پاسخ به این نگرانی تاکید کرد که این شرکت تولید نامحدود موسیقی را بدون اضافه کردن محدودیت سرعت ارائه می دهد. او همچنین تاکید می کند که این شرکت در حال ساخت یک اکوسیستم کامل است. در حالی که از یک سو با تولید موسیقی به کاربران پاسخ می دهد، از سوی دیگر مکانی را نیز برای هنرمندان فراهم می کند تا موسیقی اصلی خود را بفروشند. طیف وسیعی از پیشنهادها، همراه با وعده “موسیقی منحصر به فرد، با منبع اخلاقی و بدون حق چاپ” همان چیزی است که کان معتقد است به Beatoven در بازار برتری می دهد.

نگاهی به آینده

Beatoven اکنون در حال بررسی گسترش پلتفرم خود برای پاسخگویی به پایگاه کاربران جهانی است. این استارتاپ در حال حاضر جذب هنرمندان از نقاط مختلف جهان را آغاز کرده است زیرا 70 درصد از پایگاه کاربران آن خارج از کشور است. هان معتقد است که این چشم انداز جهانی، همراه با تمرکز بر بهبود مدل هوش مصنوعی، کلید دستیابی به هدف پنج میلیون کاربر در دو سال آینده خواهد بود.

فناوری اغلب می تواند یک شمشیر دولبه باشد. در حالی که مزایای موسیقی تولید شده توسط هوش مصنوعی را نمی توان دست کم گرفت، سوالی که مطرح می شود این است که آیا چنین ساخت موسیقی آسان و در دسترس می تواند تأثیر نامطلوبی بر نوازندگان مشتاق داشته باشد؟ آیا واقعاً کالایی شدن موسیقی راهگشاست؟

خان معتقد است در حالی که موسیقی‌سازی به تحول بزرگ بعدی صنعت تبدیل خواهد شد، بعید است که رویاها و معیشت نوازندگان و خوانندگان را از بین ببرد. او گفت: “من معتقدم که هنرمندان همچنان در مرکز این اختلال خواهند بود زیرا هوش مصنوعی نمی تواند با خلاقیت انسان رقابت کند.”