字節(jié)跳動(dòng)AI研究團(tuán)隊(duì)最近推出了一項(xiàng)名為StemGen的音樂生成項(xiàng)目,該項(xiàng)目采用了一種創(chuàng)新的深度學(xué)習(xí)方法,旨在讓模型能夠模仿現(xiàn)有音樂中的模式和結(jié)構(gòu),并以一種非常前衛(wèi)的方式回應(yīng)音樂背景。與常用的深度學(xué)習(xí)技術(shù)(如RNN、LSTM網(wǎng)絡(luò)和Transformer模型)不同,StemGen采用了一種非自回歸、基于Transformer的模型,強(qiáng)調(diào)對(duì)音樂背景的聽取和響應(yīng),而不是依賴于抽象的條件。
研究中,來(lái)自SAMI和字節(jié)跳動(dòng)公司的研究人員引入了一種非自回歸、基于Transformer的模型,該模型通過利用MusicGen模型的公開可用的Encodec檢查點(diǎn)來(lái)監(jiān)聽和響應(yīng)音樂背景。通過使用標(biāo)準(zhǔn)度量和音樂信息檢索描述符方法,包括Frechet Audio Distance(FAD)和Music Information Retrieval Descriptor Distance(MIRDD),研究團(tuán)隊(duì)評(píng)估了模型的性能。結(jié)果顯示,該模型在音頻質(zhì)量和與音樂背景的穩(wěn)健對(duì)齊方面表現(xiàn)出競(jìng)爭(zhēng)性,經(jīng)過客觀度量和主觀MOS測(cè)試的驗(yàn)證。
這項(xiàng)研究強(qiáng)調(diào)了最新在端到端音樂生成方面的進(jìn)展,借鑒了圖像和語(yǔ)言處理的技術(shù)。它強(qiáng)調(diào)了在音樂創(chuàng)作中對(duì)音頻片段進(jìn)行對(duì)齊的挑戰(zhàn),并對(duì)現(xiàn)有依賴于抽象條件的模型提出了批評(píng)。研究提出了一種訓(xùn)練范式,使用了一種非自回歸、基于Transformer的架構(gòu),使模型能夠?qū)σ魳繁尘白龀鲰憫?yīng)。該方法引入了兩個(gè)條件源,并將問題框架構(gòu)建為條件生成。
該方法利用了一種非自回歸、基于Transformer的音樂生成模型,通過在單獨(dú)的音頻編碼模型中引入殘差向量量化器。通過將多個(gè)音頻通道組合成一個(gè)單一的序列元素,采用了嵌套的方法。訓(xùn)練過程中采用了掩碼程序,并在進(jìn)行令牌采樣期間使用了無(wú)分類器的指導(dǎo),以增強(qiáng)音頻背景的對(duì)齊。客觀度量包括Fr’echet Audio Distance和音樂信息檢索描述符距離等,用于評(píng)估模型的性能。
研究團(tuán)隊(duì)通過使用標(biāo)準(zhǔn)度量和音樂信息檢索描述符方法進(jìn)行生成模型的評(píng)估,包括FAD和MIRDD。與真實(shí)音頻片段的比較表明,該模型在音頻質(zhì)量上達(dá)到了與最先進(jìn)的文本條件模型相媲美的水平,并展現(xiàn)出與音樂背景的強(qiáng)大音樂連貫性。通過參與音樂培訓(xùn)的參與者進(jìn)行的Mean Opinion Score測(cè)試進(jìn)一步驗(yàn)證了該模型生成逼真音樂結(jié)果的能力。MIRDD對(duì)生成和真實(shí)音頻片段的分布對(duì)齊進(jìn)行評(píng)估,提供了音樂連貫性和對(duì)齊的度量。
總的來(lái)說,這項(xiàng)研究提出了一種新的訓(xùn)練方法,使生成模型能夠?qū)σ魳繁尘白龀鲰憫?yīng)。該方法引入了一種非自回歸語(yǔ)言模型,具有Transformer骨干和兩個(gè)未經(jīng)測(cè)試的改進(jìn):多源無(wú)分類器的指導(dǎo)和迭代解碼過程中的因果偏差。通過在開源和專有數(shù)據(jù)集上進(jìn)行訓(xùn)練,這些模型實(shí)現(xiàn)了最先進(jìn)的音頻質(zhì)量。標(biāo)準(zhǔn)度量和音樂信息檢索描述符方法驗(yàn)證了其音頻質(zhì)量。通過Mean Opinion Score測(cè)試確認(rèn)了該模型生成逼真音樂結(jié)果的能力。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽(yáng)成功舉辦。