OpenAI разрабатывает инструмент для генерации музыки

Post Thumbnail

Компания OpenAI разрабатывает инструмент для генерации музыки на основе текстовых и аудио-промптов. Об этом сообщает The Information со ссылкой на источники. Такой инструмент можно было бы использовать для добавления музыки к существующим видео или для добавления гитарного аккомпанемента к вокальной дорожке.

Пока неясно, когда OpenAI планирует запустить продукт и будет ли он доступен как отдельное приложение, или интегрируется с ChatGPT и видеоприложением Sora. 1 из источников рассказал The Information, что OpenAI работает со студентами авторитетной Джульярдской школы, чтобы те аннотировали партитуры. Это способ получить обучающие данные.

Любопытная деталь: OpenAI уже запускала генеративные музыкальные модели в прошлом, но это было до выхода ChatGPT. А в последнее время компания фокусировалась на аудиомоделях для преобразования текста в речь и речи в текст. Теперь возвращается к музыке.

На этом рынке у OpenAI уже есть конкуренты — Google и Suno. Получается, что после текста, изображений, видео и голоса искусственный интеллект осваивает ещё 1 творческую область. И музыка становится очередным полем битвы генеративных моделей.

Остаётся вопрос: если студенты Джульярдской школы аннотируют партитуры для обучения искусственного интеллекта, не готовят ли они себе замену? Это классическая история автоматизации — люди помогают создать технологию, которая потом займёт их место.

Почитать из последнего
ИИ-ассистент научили разбирать документы и алерты
Главный вопрос корпоративного ИИ прост: что будет с данными после запроса? РТК-ЦОД предлагает не рисковать ими. На форуме «Цифровые решения» компания с блоком ИТ «Ростелекома» представила ассистента для организаций с жёсткими требованиями к защите.
К 2027 году чипов хватит на миллиарды ИИ-агентов
Похоже, у ИИ скоро вылезет проблема, которую не залатать покупкой ещё одного чипа. По расчётам Epoch AI, вычислительной мощности, выпущенной с 2025 по 2027 год, хватит для одновременной работы от 33 до 171 млн агентов уровня передовых моделей.
Kandinsky научился лепить видео со звуком
ИИ-видео всё меньше смахивает на немой клип. «Сбер» показал Kandinsky 6.0 Video - модель, которая разом генерит картинку и звук: речь персонажей, музыку и шумы окружения.
Три профессии, которые ИИ уже плодит прямо сейчас
ИИ перетряхивает рынок труда не только тем, что съедает привычные задачи. Вместе с автоматизацией вылезают специалисты, которых ещё несколько лет назад никто бы не вообразил, и часть таких профессий формируется на глазах.
Google научила эмбеддинги переваривать сразу пять типов данных
Google порешила, что эмбеддингам хватит возиться с одним текстом. Компания выкатила вторую версию EmbeddingGemma: теперь система сваливает в общее векторное пространство текст, код, изображения, видео и аудио. Так что на вход можно подавать сразу несколько типов данных.