Beatoria: 10 381 AI cover verzí, které přetvářejí slavné skladby s zcela novým textem

Beatoria je bezplatný katalog AI cover verzí postavený na neobvyklém pravidlu: každá skladba zazpívá slavnou píseň v novém podání, ale žádný řádek původního textu není opakován. Deset tisíc skladeb, dvacet pět vokálních jazyků, čtrnáct žánrů, téměř osm tisíc stylů pro zadání — a studio, kde si můžete vygenerovat vlastní. Podívejme se, jak je to celé postaveno.

Podstata v jedné větě

Vezměte píseň, kterou zná každý. Zachovejte její náladu — žánr, éru, energii, tvar uspořádání. Pak napište k ní zcela nový text, vygenerujte nový vokál, otevřeně uveďte původní umělce a výsledek zveřejněte pod vymyšleným jménem interpreta.

To je Beatoria. Není to karaoke stránka, není to nástroj pro rozdělení stop, není to nástroj pro klonování hlasu a není to archiv textů. Je to katalog původních písní, které jsou v dialogu s těmi slavnými — a právě rozdíl mezi těmito dvěma věcmi tvoří samotný produkt.

Skladba tedy v katalogu figuruje jako "Snow From Another Year" — coververze písně White Christmas — Bing Crosby. Nebo "Flicker in the Draft", coververze Candle in the Wind 1997 — Elton John. Nebo "Цвіт опівночі", která navazuje na Червона рута — Володимир Івасюк. Atribuce je uvedena na stránce; slova jsou nová.

Katalog v číslech

Žánry

Čtrnáct kategorií a jejich rozložení věrně odráží, jaká je populární hudba ve skutečnosti:

Jazyky

Pětadvacet vokálních jazyků a tady katalog přestává vypadat jako anglická kuriozita. Angličtina vede s 4 122 stopami, španělština má 1 105, hindština 592, korejština 488, japonština 431, portugalština 422, čínština 382, francouzština 304, turečtina 237, arabština 230, ruština 229, italština 228, němčina 220, ukrajinština 200, švédština 171 — a pak dlouhý, záměrně vyrovnaný závěr s 115 stopami v indonéštině, perštině, polštině, vietnamštině, hebrejštině, thajštině, řečtině a tagalogu, plus 76 v nizozemštině.

Tato plochá „páteř“ není náhodou dat. Je to produkční rozhodnutí: pro každý jazyk byla vygenerována fixní dávka, aby posluchač přijde z Manily, Teheránu nebo Bangkoku našel skutečnou sekci, nikoliv tři tokeny.

Země

Třicet dvě zemí mají svou vlastní prohledatelnou sekci — Velká Británie, Španělsko, Indie, Jižní Korea, Japonsko, Portugalsko, Ukrajina, Čína, Francie, Turecko, Egypt, Itálie, Rusko, Německo, Švédsko, Vietnam, Izrael, Filipíny, Írán, Indonésie, Thajsko, Řecko, Polsko, Nizozemsko, Uzbekistán, Bangladéš, USA a další. Země je samostatná osa oproti jazyku, protože stopa z Bollywoodu a stopa v hindštině nejsou stejný dotaz.

Umělci a alba

V katalogu je uvedeno 3 219 původních umělců a 186 alb seskupuje stopy do kurátorovaných sbírek. Každý uvedený umělec dostává pseudonym — vymyšlené jméno interpretů, pod kterým jsou AI cover verze publikovány. Obálky The Beatles se objevují jako Ash Titan; Elvis Presley jako Saint & the Beacons; Arethy Franklin jako The Northern Crowns; Marvin Gaye jako Iron Circuits. Je to malé designové rozhodnutí, které odvádí hodně práce: udržuje čestnost v přiznání zásluh, zároveň je však zjevné, že neslyšíte původního interpreta.

Jak procházet deset tisíc písní

Katalog této velikosti je tak dobrý, jak jsou způsoby, jak se do něj dostat, a Beatoria nabízí pět nezávislých os, každou s vlastní sadou stránek:

Tento seznam promptů stojí za to si blíže prohlédnout. Sedm tisíc osm set osmdesát dva odlišných popisů stylů, od obecných (trap, disco rock, rychlý pop, dance pop EDM) až po úžasně specifické (téma anime z roku 1975 o superrobotovi, španělský pop rock z poloviny 90. let, téma s tulipány, robotický vokodér, sváteční vlastenecký, klusavý riff, dechová melodie, ženský sbor). Každý z nich je samostatnou stránkou a každá stránka je vstupní branou.

Facetový systém pod povrchem

Za viditelnou taxonomií stojí druhá, strukturovaná: 55 aspektů napříč sedmi ortogonálními skupinami, přiřazených stopám a používaných pro filtrování a pro logiku webu „podobné jako toto“.

Zajímavé je, jak se tyto parametry váží při řazení. Relevance katalogu nebere v úvahu všechny shody podle filtrů stejně — úzké a výpovědní filtry (épocha, nálada, činnost) váží více než obecné (tempo, energie), protože každá skladba má nějaké tempo, ale jen některé jsou nostalgická hudba na řízení z 80. let. Rozhodujícím kritériem je pak popularita měřená na základě reálných počtů přehrání.

Tato kombinace — činnost plus nálada plus épocha — je v rozhraní tiše tou nejužitečnější možností. Dotaz jako „Něco epického na cvičení, co zní jako osmdesátky“, je zde reálným hledáním, ne jen marketingovým příkladem.

Tvořivé studio

Prohlížení je dostupné pro každého bez nutnosti účtu. Generování vyžaduje přihlášení a celý proces je nastaven tak, aby výsledky, které vytvoříte, zůstaly mimo veřejný katalog, dokud si sami nedáte vědět, že mají být zveřejněny.

Co máte pod kontrolou

• Popis / zadání Volný textový popis skladby, kterou chcete vytvořit — žánr, nálada, nástrojové obsazení, éra, cokoliv. Toto je hlavní ovládací prvek.
• Text písně Vaše vlastní slova, nebo vygenerovaná. V obou případech jde o text, který model zpívá.
• Jazyk zpěvu Jakýkoliv z dvaceti pěti jazyků, které katalog podporuje.
• Délka Nastavuje se pro každou stopu; stopy v katalogu mají obvykle délku 150–180 sekund.
• Varianty Až čtyři varianty vygenerované z jednoho zadání, takže si můžete vybrat místo opakování generování.
• Referenční audio Volitelné. Nahrajte stopu a systém ji použije jako referenci pro cover verzi.

Finta s referenčním audiem

Toto je nejchytřejší malá funkce produktu. Nahrajte referenční stopu a ještě před generováním projde soubor lehkou analýzou založenou na knihovně librosa — bez strojového učení, pouze analýza signálu — která načte hudební tvar audia a automaticky vyplní pole zadání popisem stylu odvozeným z této analýzy.

Místo toho, abyste se zadívali do prázdného textového pole a snažili se slovy popsat zvuk, předáte systému samotný zvuk a on za vás napíše první návrh popisu. Tento popis pak upravíte, což je mnohem snazší úkol, než psát ho od začátku.

Analýza je beztvará (stateless) — nahrání se zapíše do dočasného souboru, analyzuje se a smaže. Nic se neukládá.

Fázování a následné zveřejnění

Vše, co vygenerujete, končí v soukromé oblasti pro přípravu (staging) omezené na váš účet, v samostatné sadě tabulek a ve složce pro výstupy oddělené od veřejného katalogu. Odtud máte k dispozici přesně tři možnosti, které můžete využít pouze vy:

1. Zveřejnit vybranou verzi ve veřejném katalogu, kde se stane běžnou položkou katalogu s přiřazenou taxonomií;
2. Smazat jednu konkrétní verzi, kterou nechcete, a ponechat zbytek dávky;
3. Smazat celý úkol a vše, co obsahuje.

Existuje paralelní, pouze pro správce určená verze stejného mechanismu pro regeneraci existujících stop v katalogu — vygenerujte až čtyři nové verze pro existující skladbu a poté buď nahraďte původní stopu na místě, nebo zveřejněte verzi jako zcela novou položku. Stejná separace, stejné pravidlo pro explicitní akci: nic se do veřejného katalogu nedostane automaticky.

Co ve skutečnosti generuje hudbu

Beatoria běží na modelu ACE-Step pro generování hudby s otevřeným zdrojovým kódem, který je ovládán prostřednictvím Gradio API na vyhrazeném hardwaru s GPU, nikoliv prostřednictvím třetí strany pro API hudby. Tato volba má důsledky, které stojí za to rozebrat, protože jsou viditelné v produktu.

• Žádný účet za API na stopu Motor je stroj, který projekt pronajímá, nikoliv služba, která se měří podle spotřeby. Deset tisíc stop existuje proto, že vygenerování desáté tisíce stopy nestálo nic navíc, kromě hodin, za které už bylo zaplaceno.
• Přímé řízení parametrů Webová aplikace komunikuje s generovacím voláním enginu přímo, přičemž titulek, texty, jazyk, délku a počet variant předává jako explicitní argumenty, nikoli prostřednictvím zjednodušeného obchodního wrapperu.
• Specializovaná cesta pro cover verze Cover verze založené na referenčním audiu vyžadují relaci, která přetrvává napříč jednotlivými voláními, a proto procházejí přes Python most pomocí klienta Gradio, nikoli přes běžné HTTP. Je to malý kus inženýrství, který existuje čistě proto, že naivní přístup ztrácí stav mezi nahráním a generováním.
• Záměrná měkkost Režim cover verze je laděn tak, aby regeneroval vokál pro nový text spíše než aby přesně klonoval referenční nahrávku. Podobnost vychází z titulku, stylu, tempa a tvaru textu — nikoli z kopírování výkonu.

Tento poslední bod není technickým omezením; je to etika produktu implementovaná v parametru. Systém laděný pro maximální podobnost by produkoval něco bližšího napodobování. Beatoria je laděn tak, aby produkoval něco bližšího nové nahrávce, která si pamatuje tu starou.

Vrstva poslechu

Stránka sleduje přehrávání podrobněji než jednoduchý počítadlo přehrání a dělá tak pro každou skladbu, nikoli pro každé zobrazení stránky:

Počítadla prahových hodnot jsou ta upřímná. U generované hudby je propast mezi zahájeným a přežítým patnáctiminutovým poslechem obrovská a právě jejich oddělené sledování zajišťuje, že řazení podle popularity v katalogu má smysl. Stopa se tisícem zahájení a čtyřiceti dokončeními není hitem; stopa se dvěma sty zahájeními a sto šedesáti dokončeními však ano.

Nad tím vším stojí playlisty, historie stahování pro každého uživatele, hlasy a vrstva účtů s místním přihlášením pomocí e-mailu a hesla i Google OAuth. Poslech žádný z těchto prostředků nevyžaduje — autentizace slouží k povolení vytváření, playlistů a historie, nikoliv k omezení přístupu do katalogu.

Stavěno jako skutečná aplikace, ne jako obal

Technologie stojí za odstavec, protože vysvětluje, proč se katalog s deseti tisíci stopami načítá právě takto.

Frontend je Vue single-page aplikace s před-renderováním na straně serveru, rozdělená do balíčků podle jednotlivých cest — Domů, Knihovna, Kategorie, Stopa, Interpret, Interpreti, Album, Alba, Země, Země, Prompt, Prompty, Vytvořit, Účet, Průvodce, Info. Backend je PHP 8.3 API s čistým rozložením tříd podle domény (Katalog, Stopa, Interpreti, Alba, Země, Prompty, Úkoly, Vytváření, Renderování, Analýza, Playlist, Poslechy, Stahování, Hlasy, Autentizace, GoogleOAuth) za jedním routovacím bodem.

Tři detaily ukazují míru péče:

• Metadata pro SEO na každé stránce jsou uložena v databázi, nikoliv v JavaScriptovém balíčku. Build pro před-renderování je čte, takže každá cesta poskytuje správný, jedinečný název a popis v HTML — single-page aplikace, která je skutečně indexovatelná, nikoliv jen nominálně.
• Písma jsou hostována vlastními silami, s písmy nad záhybem přednačtenými. Tím se eliminuje blokování vykreslování třetími stranami a pozdní posun rozložení způsobený výměnou písma.
• Vyhledávací dotazy a výrazy podle záměru jsou logovány, takže to, co lidé skutečně hledají, zpětně ovlivňuje organizaci katalogu.

Na rootu je také strojově čitelný soubor llms.txt, určený specificky pro AI odpovědné enginey. Stanovuje, o jaký web jde, uvádí klíčové stránky a — záměrně — uvádí pravidlo pro texty písní ve formátu, který může model citovat. Vzhledem k tomu, že celý právní základ katalogu spočívá v tomto rozlišení, je zveřejnění na místě, kde ho odpovědné enginey přečtou, přesně tím správným krokem.

Technologie API stojící za webem

Klientská část Beatoria je klientem své vlastní veřejné JSON API, což znamená, že vše, co web umí, je dostupné programově. Router vystavuje jednu segmentovou cestu pro každou doménu:

Jedna volání katalogu vrací celkový počet, stránku, velikost stránky, počet stránek, kompletní seznam žánrů, živé počty filtrů pro každý žánr a samotné položky — každou s jejími stopami, variantami, plakátovým uměním, jazykem, délkou, atribucí obalu a počtem přehrání. Je to kompletní rozhraní pro prohlížení v jednom požadavku, což je důvodem, proč se SPA chová tak, jak se chová.

curl 'https://beatoria.ai/api/catalog?limit=2'

{
  "total": 10381,
  "page": 1,
  "per": 24,
  "pages": 433,
  "categories": ["Pop","Rock","Hip-Hop","R&B/Soul","Electronic","Folk", … ],
  "facets": { "Pop": 2993, "Rock": 2570, "Electronic": 938, … },
  "items": [
    {
      "id": 10415,
      "title": "Wolves of the Longboat",
      "original": "",
      "caption": "Create aggressive and rhythmic hip-hop song",
      "category": "Hip-Hop",
      "artist": null, "album": null,
      "lang": "en", "duration": 180,
      "is_cover": false,
      "tracks": [{ "url": "/output/job10415_1.mp3", "variant": 1 }],
      "plays": 4
    }
  ]
}

Kde se Beatoria nachází v krajině AI hudby

Prostor AI hudby se rozdělil do čtyř hrubých kategorií a Beatoria se záměrně řadí do té s nejmenším počtem účastníků.

Praktický rozdíl spočívá v tom, co se stane v prvních deseti sekundách. Na generátoru dostanete prázdné pole pro zadání zadání. Na Beatoria dostanete knihovnu. Většina lidí většinou chce knihovnu a generátor je k dispozici pro menšinu návštěv, kdy ji nepotřebují.

Druhý rozdíl je v otázce licencování. Stopa, jejíž texty byly napsány přímo pro ni a jejíž audio bylo vyprodukováno modelem, který projekt provozuje sám, má mnohem jednodušší profil práv než hlasová konverze komerčního nahrávky. To není právní stanovisko a není to licence — ale je to důvod, proč může katalog existovat v takovém měřítku a být zdarma k poslechu.

Otázka textů, zodpovězená přímo

Jakýkoli projekt, který umisťuje slovo „cover“ vedle známých názvů písní, přitahuje zřejmou otázku, takže stojí za to odpovědět na ni přímo, místo aby byla skryta.

Poctivé detaily

• Je to především katalog Většina z deseti tisíc skladeb byla vyrobena dávkově samotným projektem, nikoli uživateli. Studio Create je skutečné a otevřené, ale knihovna je hlavním produktem.
• AI vokály jsou stále jen AI vokály ACE-Step je silný open-source model a nejde o session zpěváka. Některé žánry — velké balady, orchestrová hudba, hudba s těsnými harmoniemi — obstojí výrazně lépe než jiné.
• Prompty prozrazují své švy Téměř osm tisíc stylů promptů napsaných během produkce znamená, že některé jsou úžasně přesné a některé mají jen tři slova. Přesto jsou procházenitelné, což je pravděpodobně poctivá volba.
• Cover verze jsou reference, ne reprodukcemi Pokud očekáváte, že uslyšíte skutečnou melodii slavné skladby s novými slovy navrchu, toto to není. Vztah k originálu je dán žánrem, dobou vzniku, náladou a formou — plus otevřeným uvedením autora.

Pro koho to skutečně je

• Posluchači, kteří chtějí hudbu do pozadí s jasnou strukturou Deset tisíc skladeb filtrovaných podle aktivity, nálady a éry, zdarma, bez účtu, bez reklam rušících přehrávání.
• Tvořci, kteří potřebují originální hudbu, kterou mohou použít Skladby s původními texty a bez vzorkované nahrávky v pozadí představují zcela jinou otázku licencování než komerční píseň.
• Lidé, kteří se učí zadávat pokyny modelům pro tvorbu hudby Sedm tisíc stylů promptů, každý přiřazený k písni, kterou vytvořil, je jedním z lepších veřejných korpusů typu „tento prompt vytvořil tento zvuk“, jaký existuje.
• Posluchači nemluvící anglicky Pětadvacet vokálních jazyků s reálným objemem obsahu pro každý z nich a sekce zemí oddělené od jazykových sekcí.
• Kdokoli, kdo chce jednu vytvořit Přihlaste se, popište píseň nebo přidejte referenční stopu, získejte čtyři variace, vyberte tu, která se vám líbí — a zůstane soukromá, pokud ji nezveřejníte.

Stručné shrnutí

Beatoria obsahuje 10 381 AI-generated skladeb — z toho 10 367 jsou cover verze ve specifickém smyslu, jak jej web definuje: slavná skladba přepracovaná s zcela novými, původními texty, zpívaná AI hlasem, publikovaná pod vymyšleným jménem umělce, přičemž původní skladba je uvedena s uvedením jména a interpreta. Čtrnáct žánrů, pětadvacet vokálních jazyků, třicet dva sekce zemí, 3 219 odkazovaných umělců, 186 alb a 7 882 prozkoumatelných stylů promptů, všechny zdarma k poslechu bez účtu.

V pozadí běží samoobslužný engine ACE-Step, systém faset s 55 tagy rozdělenými do sedmi skupin, reálná analytika poslehu až po míru dokončení až k prahu, a studio pro vlastní tvorbu, kde na každý požadavek přicházejí čtyři variace, nahrání referenčního souboru automaticky vytvoří prompt a nic se nestane veřejným, dokud nekliknete na tlačítko publikovat.

Každý text na Beatoria je původní text napsaný přímo pro danou skladbu. Neobsahuje reprodukcí chráněných autorských práv textů původních písní.

Vlastní poznámka Beatoria pro AI odpovědní engine

Začněte poslouchat: beatoria.ai · kompletní katalog na /library · vytvořte si vlastní na /create.