Beatoria یک کاتالوگ رایگان از آهنگهای کاور هوش مصنوعی است که بر اساس یک قانون خاص طراحی شده است: هر قطعه، یک ترانه معروف را در صدایی جدید بازخوانی میکند، اما هیچ خطی از متن ترانه اصلی کپی نمیشود. ده هزار قطعه، بیست و پنج زبان آوازی، چهارده سبک موسیقایی، نزدیک به هشت هزار پرامپت (دستور متنی) سبکشناسی — و یک استودیو که میتوانید آهنگهای خودتان را در آن تولید کنید. در ادامه نحوه ساخت این مجموعه را بررسی میکنیم.
ایده اصلی در یک جمله
یک ترانه که همه آن را میشناسند را در نظر بگیرید. حس و حال آن را حفظ کنید — سبک، دوران، انرژی و ساختار آهنگ. سپس متن ترانهای کاملاً جدید برای آن بنویسید، یک صدای خواننده جدید تولید کنید، منبع اصلی را به وضوح ذکر کنید و نتیجه نهایی را تحت نام یک خواننده خیالی منتشر کنید.
این Beatoria است. این یک سایت کارائوه نیست، ابزاری برای جداسازی لایههای صوتی (stem-splitter) نیست، ابزار تقلید صدا نیست و آرشیو متن ترانهها هم نیست. این یک کاتالوگ از آهنگهای اصیل است که در گفتگو با ترانههای معروف هستند — و تمایز بین این دو مفهوم، جوهره اصلی این محصول است.
بنابراین یک قطعه در کاتالوگ به عنوان "Snow From Another Year" — بازخوانیای از White Christmas — Bing Crosby — قرار میگیرد. یا "Flicker in the Draft"، بازخوانیای از Candle in the Wind 1997 — Elton John. یا "Цвіт опівночі" که به Червона рута — Володимир Івасюк بازمیگردد. انتساب نام روی صفحه درج شده است، اما کلمات جدید هستند.
کاتالوگ، بر اساس اعداد
ژانرها
چهارده دستهبندی، و توزیع آن تصویری عادلانه از آنچه موسیقی محبوب واقعاً هست ارائه میدهد:
| ژانر | تعداد قطعات |
|---|---|
| پاپ | 2,993 |
| راک | 2,570 |
| الکترونیک | 938 |
| فولک | 643 |
| آراندبی/سول | 628 |
| هیپهاپ | 614 |
| لاتین | 539 |
| کلاسیک | 498 |
| سایر | 293 |
| ریگه | 192 |
| متال | 168 |
| بالاد | 125 |
| جاز/بلوز | 104 |
| کانتری | 76 |
زبانها
بیستوپنج زبان آوازی، و اینجاست که کاتالوگ دیگر شبیه به یک پروژه نوول انگلیسیزبان به نظر نمیرسد. انگلیسی با ۴٬۱۲۲ ترک پیشرو است، اما اسپانیایی ۱٬۱۰۵، هندی ۵۹۲، کرهای ۴۸۸، ژاپنی ۴۳۱، پرتغالی ۴۲۲، چینی ۳۸۲، فرانسوی ۳۰۴، ترکی ۲۳۷، عربی ۲۳۰، روسی ۲۲۹، ایتالیایی ۲۲۸، آلمانی ۲۲۰، اوکراینی ۲۰۰، سوئدی ۱۷۱ — و سپس دنبالهای طولانی و عمدتاً یکنواخت با ۱۱۵ ترک برای هر یک از زبانهای اندونزیایی، فارسی، لهستانی، ویتنامی، عبری، تایلندی، یونانی و تاگالوگ، بهاضافه ۷۶ ترک برای زبان هلندی.
این دنباله تخت تصادف داده نیست. این یک تصمیم تولیدی است: یک دسته ثابت برای هر زبان تولید شد تا شنوندهای که از مانیل، تهران یا بانکوک وارد میشود، به جای سه توکن، یک بخش واقعی را پیدا کند.
کشورها
سیودو کشور بخش قابل مرور اختصاصی خود را دارند — بریتانیا، اسپانیا، هند، کره جنوبی، ژاپن، پرتغال، اوکراین، چین، فرانسه، ترکیه، مصر، ایتالیا، روسیه، آلمان، سوئد، ویتنام، اسرائیل، فیلیپین، ایران، اندونزی، تایلند، یونان، لهستان، هلند، ازبکستان، بنگلادش، آمریکا و بیشتر. کشور یک محور جداگانه از زبان است، زیرا یک ترک بالیوودی و یک ترک به زبان هندی، پرسشهای یکسانی نیستند.
هنرمندان و آلبومها
۳٬۲۱۹ هنرمند اصلی در سراسر کاتالوگ ارجاع داده شدهاند و ۱۸۶ آلبوم ترکها را در مجموعههای گردآوریشده گروهبندی میکنند. هر هنرمند ارجاعداده شده یک تخلص دریافت میکند — نام مجازی که کاورهای هوش مصنوعی تحت آن منتشر میشوند. کاورهای The Beatles تحت عنوان Ash Titan؛ Elvis Presley تحت عنوان Saint & the Beacons؛ آریتا فرانکلین تحت عنوان The Northern Crowns؛ ماروین گیی تحت عنوان Iron Circuits منتشر میشوند. این یک تصمیم طراحی کوچک است که کار زیادی انجام میدهد: اعتبار را صادقانه نگه میدارد در حالی که مشخص میکند شما در حال گوش دادن به خواننده اصلی نیستید.
نحوه مرور دههزار آهنگ
یک کاتالوگ به این اندازه تنها به اندازه راههای دسترسی به آن خوب است، و Beatoria پنج محور مستقل را با مجموعه صفحات اختصاصی خود نشان میدهد:
صفحات دستهبندی
چهارده بخش سبکشناسی، هر کدام با شمارنده زنده اختصاصی خود.
- /library فیلتر شده بر اساس دستهبندی
- شمارندهها همگام با کاتالوگ بهروز میشوند
صفحات خوانندگان
هر خوانندهای که به آن اشاره شده، دارای صفحهای است که کاورهای ساختهشده از آثار او را در قالب یک نام مستعار یکسان گردآوری میکند.
- ۳٬۲۱۹ صفحه خواننده
- نام اصلی + نام مستعار
- توضیحات و کاور هنری
صفحات پرامپت
خود پرامپتهای سبک یک طبقهبندی قابل پیمایش هستند — ۷٬۸۸۲ مورد از آنها.
- "تم انیمه ربات غولپیکر دهه ۱۹۷۵"
- "شلاگر سوئدی"، "ضربآهنگ دبکه"
- "حس و حال قدیمی"، "ریتم ساز کوبهای"
صفحات کشورها
سی و دو بخش ملی، جدا از محور زبان.
- مناظر منطقهای، نه صرفاً زبانها
صفحات آلبومها
۱۸۶ آلبوم، قطعات را برای گوشدادن با موضوع خاص گرد هم میآورند.
- گروهبندیهای منتخب
- هنر گرافیکی و توضیحات اختصاصی
آن فهرست پرامپتها ارزش تأمل دارد. هفت هزار و هشتصد و هشتاد-two توصیف سبک متمایز، از موارد کلی (trap، disco rock، uptempo pop، dance pop EDM) تا مواردی که به شکلی شگفتانگیز دقیقی هستند (1975 super robot anime theme، mid 2000s Spanish pop rock، tulip-themed، robotic vocoder، festive patriotic، galloping riff، brass hook، female harmony). هر کدام یک صفحه هستند و هر صفحه، راهی برای ورود به دنیای موسیقی است.
سیستم فاسیت در پسزمینه
در پشت طبقهبندی قابل مشاهده، یک طبقهبندی ساختاریافته دیگر قرار دارد: ۵۵ فاسیت در هفت گروه عمود بر هم، که به قطعات پیوسته شده و برای فیلتر کردن و منطق «مشابهتر» سایت استفاده میشوند.
| گروه | فاسیتها |
|---|---|
| حس و حال (۱۴) | آرام · شاد · غمگین · رمانتیک · پرانرژی · تاریک · حماسی · رویایی · نوستالژیک · تهاجمی · بازیگوش · امیدوار · بااعتمادبهنفس · احساسی |
| ژانر (۱۵) | پاپ · راک · هیپهاپ · آراندبی · الکترونیک · فولکلور · کانتری · جاز · لاتین · متال · ارکسترال · بالاد · کیپاپ · بالیوود · منطقهای |
| فعالیت (۱۰) | خواب · ورزش · تمرکز · مدیتیشن · مهمانی · آرامش · رمانتیک · پیادهروی · بازی · رانندگی |
| دوره (۶) | دهه ۶۰ · دهه ۷۰ · دهه ۸۰ · دهه ۹۰ · دهه ۲۰۰۰ · مدرن |
| صدا (۴) | مرد · زن · دوئت · بیکلام |
| انرژی (۳) | بالا · متوسط · پایین |
| سرعت (۳) | کند · متوسط · تند |
بخش جالب ماجرا این است که این فاکتورها هنگام مرتبسازی چگونه وزندهی میشوند. رتبهبندی مرتبط بودن کاتالوگ، همه تطبیقهای فاست را برابر در نظر نمیگیرد — فاکتورهای باریک و معنادار (دوره، حالوهوا، فعالیت) اهمیت بیشتری نسبت به فاکتورهای گسترده (سرعت، انرژی) دارند، زیرا همهچیز سرعتی است، اما فقط برخی از موارد موسیقی دهه ۸۰ برای رانندگی با حس نوستالژیک هستند. محبوبیت، که از شمار پخش واقعی اندازهگیری میشود، به عنوان معیار گسستن تساوی عمل میکند.
این ترکیب — فعالیت به همراه حالوهوا و دوره — در سکوت مفیدترین چیز در رابط کاربری است. «چیزی حماسی برای ورزش که شبیه دهه هشتاد به نظر میرسد» یک کوئری واقعی در اینجا است، نه یک مثال تبلیغاتی.
استودیو ساخت
مرور و دسترسی به قابلیتها برای همه آزاد است و نیاز به حساب کاربری ندارد. قابلیت تولید موسیقی نیازمند ورود به حساب کاربری است و فرآیند به گونهای طراحی شده است که تا زمانی که خودتان تصمیم نگیرید، خروجیهای شما در کاتالوگ عمومی قرار نمیگیرد.
آنچه تحت کنترل شماست
- توضیحات متنی / پرامپت یک توضیح متنی آزاد درباره آهنگ مورد نظرتان — سبک، حالوهوا، سازبندی، دوره زمانی یا هر چیز دیگر. این بخش، فرمان اصلی تولید است.
- متن ترانه متنهای اختصاصی خودتان یا متنهای تولید شده توسط هوش مصنوعی. در هر دو حالت، این متن همان متنی است که مدل آن را میخواند.
- زبان خوانندگی هر یک از بیست و پنج زبانی که کاتالوگ پشتیبانی میکند.
- مدت زمان تنظیم برای هر ترک؛ ترکهای موجود در کاتالوگ معمولاً بین ۱۵۰ تا ۱۸۰ ثانیه طول میکشند.
- واریانتها (نسخههای جایگزین) تا چهار خروجی که از یک درخواست واحد تولید میشوند تا بتوانید انتخاب کنید و نیازی به تولید مجدد نداشته باشید.
- صدای مرجع اختیاری. یک ترک را آپلود کنید تا سیستم از آن به عنوان مرجع برای کاور استفاده کند.
ترفند صدای مرجع
این هوشمندانهترین ویژگی کوچک محصول است. یک فایل صوتی مرجع آپلود کنید و قبل از هرگونه تولید، فایل از طریق یک تحلیل سبک کتابوسا (librosa) پردازش میشود — بدون استفاده از یادگیری ماشین، صرفاً تحلیل سیگنال — که شکل موسیقی فایل را میخواند و فیلد پرامپت را به صورت خودکار با توضیحی سبکشناختی استخراج شده از فایل پر میکند.
بنابراین به جای خیره شدن به یک کادر متنی خالی و تلاش برای توصیف یک صدا با کلمات، شما صدا را به سیستم میدهید و او پیشنویس اولیه توصیف را برای شما مینویسد. سپس آن توصیف را ویرایش میکنید که کاری بسیار آسانتر از نگارش آن از ابتداست.
تحلیل بیحالت (stateless) است — فایل آپلود شده در یک فایل موقت نوشته میشود، تحلیل شده و سپس حذف میگردد. هیچ دادهای نگهداری نمیشود.
مرحله آمادهسازی و سپس انتشار
همه چیزهایی که تولید میکنید در یک ناحیه آمادهسازی خصوصی که به حساب کاربری شما محدود است، قرار میگیرد؛ در مجموعهای جداگانه از جداول و یک پوشه خروجی مجزا از کاتالوگ عمومی. از آنجا، دقیقاً سه گزینه پیش روی شماست که همه آنها انحصاراً در اختیار شماست:
- انتشار یک نسخه منتخب در کاتالوگ عمومی، جایی که به یک مورد عادی کاتالوگ با طبقهبندی (taxonomy) پیوست تبدیل میشود؛
- حذف یک نسخه خاص که نمیخواهید، و حفظ بقیه دسته؛
- حذف کل کار و همه موارد درون آن.
یک نسخه موازی و مخصوص مدیران از همان مکانیزم برای بازتولید ترکهای موجود در کاتالوگ وجود دارد — تا چهار نسخه جدید برای یک آهنگ موجود تولید کنید، سپس یا نسخه اصلی را در جای خود جایگزین کنید یا نسخه را به عنوان یک مورد کاملاً جدید منتشر کنید. همان جدایی و همان قاعده اقدام صریح: هیچچیز بهطور خودکار به کاتالوگ عمومی راه نمییابد.
چه چیزی در واقع موسیقی را تولید میکند
Beatoria روی ACE-Step اجرا میشود، یک مدل باز تولید موسیقی، که از طریق یک API گرادو (Gradio) روی یک دستگاه GPU اختصاصی هدایت میشود، نه از طریق یک API موسیقی متعلق به شخص ثالث. این انتخاب پیامدهایی دارد که ارزش شفافسازی دارند، زیرا در محصول مشهود هستند.
- بدون صورتحساب API بهازای هر ترک موتور، ماشینی است که پروژه اجاره کرده است، نه خدماتی که بر اساس مصرف آن صورتحساب صادر میشود. ده هزار ترک وجود دارد زیرا تولید ترک دهمهزارم، فراتر از ساعاتی که قبلاً بابت آنها پرداخت شده بود، هزینهای نداشت.
- کنترل مستقیم پارامترها این وباپلیکیشن مستقیماً با فراخوان تولید موتور ارتباط برقرار میکند و عنوان، متن ترانه، زبان، مدت زمان و تعداد واریانتها را بهعنوان آرگومانهای صریح و نه از طریق یک بسته سادهشدهی فروشنده تنظیم میکند.
- یک مسیر اختصاصی برای کاور کاورهای مبتنی بر صدای مرجع نیاز به یک نشست دارند که در فراخوانهای مختلف باقی بماند، بنابراین از یک پل پایتون با استفاده از کلاینت گرادو (Gradio) عبور میکنند، نه از طریق HTTP ساده. این یک قطعه کوچک مهندسی است که صرفاً به این دلیل وجود دارد که رویکرد ساده، وضعیت را بین مرحلهی آپلود و تولید از دست میدهد.
- یک نرمیِ آگاهانه حالت کاور طوری تنظیم شده است که برای متنهای جدید، صدای خواننده را بازتولید کند، نه اینکه دقیقاً صدای مرجع را کپی کند. شباهت ناشی از عنوان، سبک، ریتم و شکل متن ترانه است — نه از کپی کردن یک اجرا.
نکتهی آخر یک محدودیت فنی نیست؛ بلکه اخلاق محصول است که در یک پارامتر پیادهسازی شده است. سیستمی که برای بیشترین شباهت تنظیم شده باشد، چیزی نزدیک به تقلید صدا تولید میکند. Beatoria برای تولید چیزی نزدیک به یک ضبط جدید که یک ضبط قدیمی را به خاطر میسپارد، تنظیم شده است.
لایهی شنیدن
این سایت پخش را با جزئیات بیشتری از یک شمارندهی پخش ساده ردیابی میکند و این کار را بهجای صفحهبهصفحه، بهترتیبِ هر ترک انجام میدهد:
| معیار | آنچه را ثبت میکند |
|---|---|
play_count | تعداد دفعات شروع پخش. |
completed_count | تعداد دفعاتی که یک ترک تا انتها پخش شده است. |
listen_seconds_total | مجموع ثانیههای واقعی شنیدهشده، در میان همهی کاربران. |
listen_5s / listen_15s / listen_3m | شمارندههای آستانه — آیا شنونده به بیش از پنج ثانیه، پانزده ثانیه یا سه دقیقه رسید؟ |
download_count | تعداد دانلودهای فایل صوتی. |
likes | رایهای صریح. |
شمارندههای آستانه، صادقانهترین معیارها هستند. در موسیقی تولیدشده با هوش مصنوعی، شکاف میان «شروع پخش» و «پایان پخش در پانزده ثانیه» بسیار بزرگ است و ردیابی جداگانه این دو، تنها چیزی است که باعث میشود مرتبسازی محبوبیت در کاتالوگ معنای واقعی پیدا کند. قطعهای با هزار شروع پخش و چهل پایان، یک اثر موفق نیست؛ اما قطعهای با دوصد شروع پخش و صد و شصت پایان، یک اثر موفق است.
بر این اساس، پخشلیستها، تاریخچه دانلودهای هر کاربر، رایها و لایه حساب کاربری با امکان ورود محلی با ایمیل/رمز عبور و همچنین Google OAuth قرار میگیرند. گوش دادن به موسیقی نیازمند هیچیک از اینها نیست؛ احراز هویت تنها برای دسترسی به قابلیتهای ایجاد اثر، پخشلیستها و تاریخچه پخش فعال میشود، نه برای محدود کردن دسترسی به کاتالوگ.
ساختهشده بهعنوان یک اپلیکیشن واقعی، نه یک بستهبندی
این پشته فناوری ارزش یک پاراگراف توضیح دارد، زیرا دلیل نحوه بارگذاری کاتالوگی با دههزار قطعه را آشکار میکند.
بخش فرانتاند یک برنامه تکصفحهای (SPA) با فریمورک Vue است که با پیشرندر سمت سرور، به بستههای مجزا برای هر مسیر تقسیم شده است — شامل مسیرهای خانه، کتابخانه، دستهبندی، آهنگ، هنرمند، هنرمندان، آلبوم، آلبومها، کشور، کشورها، Promt، Promts، ایجاد، حساب کاربری، راهنما و اطلاعات. بخش بکاند از PHP 8.3 API با چیدمانی تمیز بر اساس کلاسهای دامنهمحور (شامل کلاسهای Catalog, Song, Artists, Albums, Countries, Prompts, Jobs, Creates, Renders, Analyze, Playlist, Listens, Downloads, Votes, Auth, GoogleOAuth) در پشت یک روتر واحد ساخته شده است.
سه جزئیت نشاندهنده سطح بالای دقت هستند:
- متادیتاهای سئو برای هر صفحه در پایگاه داده ذخیره میشوند، نه در بسته جاوااسکریپت. بیلد پیشرندر این متادیتا را میخواند تا هر مسیر، عنوان و توضیحات منحصربهفرد و صحیح را در HTML تحویل دهد — یک برنامه تکصفحهای که واقعاً قابلیت ایندکس شدن دارد، نه صرفاً از نظر ظاهری.
- فونتها میزبان داخلی دارند، و فونتهای بخش بالای صفحه (above-the-fold) پیشبارگذاری میشوند. این کار درخواستهای سومشخص را که مانع رندر میشوند و جابجایی چیدمان ناشی از تعویض دیرهنگام فونت را از بین میبرد.
- جستارها و عبارات هدف جستجو لاگ میشوند، بنابراین آنچه مردم واقعاً جستجو میکنند، به سازماندهی کاتالوگ بازخورد میدهد.
علاوه بر این، یک فایل llms.txt قابل خواندن توسط ماشین در ریشه سایت وجود دارد که بهطور خاص برای موتورهای پاسخدهنده هوش مصنوعی نوشته شده است. این فایل بیان میکند که سایت چیست، صفحات کلیدی را فهرست میکند و — با دقت — قانون مربوط به متن ترانهها را به شکلی بیان میکند که یک مدل هوش مصنوعی بتواند آن را نقلقول کند. با توجه به اینکه پایه حقوقی کل کاتالوگ بر این تمایک استوار است، انتشار آن در جایی که موتورهای پاسخدهنده آن را میخوانند، دقیقاً حرکتی درست است.
پشت صحنه سایت API
رابط کاربری Beatoria یک کلاینت برای API عمومی خودش است که به این معنی است هر کاری که سایت میتواند انجام دهد، به صورت برنامهنویسی در دسترس است. روتر یک بخش را برای هر دامنه نمایان میسازد:
| مسیر | محتوای ارائهشده |
|---|---|
/api/catalog | لیست اصلی: صفحهبندی، فیلترهای ژانر با شمارشهای زنده، فیلتر کردن بر اساس دستهبندی، پرامپت، هنرمند، آلبوم و کشور، به همراه مرتبسازی. |
/api/song · /api/song-nav | یک ترک موسیقی همراه با رکورد کامل آن — و ناوبری به ترک قبلی/بعدی در داخل همین زمینه. |
/api/artists · /api/albums · /api/countries · /api/promts | چهار دستهبندی قابل پیمایش، هرکدام با ساختار لیست و جزئیات مخصوص خود. |
/api/examples | نمونههای متن ترانه که برای هدایت تولید استفاده میشوند. |
/api/generate · /api/create · /api/render | تولید عمومی، مرحلهبندی اختصاصی برای هر کاربر و بازتولید توسط ادمین به ترتیب. |
/api/analyze | تحلیل صدای مرجع — یک ترک را آپلود کنید تا توصیف سبک را دریافت کنید. |
/api/playlist · /api/listen · /api/download · /api/vote | لایه شنیدن: پخشلیستها، رویدادهای پخش، دانلودها و لایکها. |
/api/auth · /api/user · /api/history | نشستها، پروفایل و تاریخچه تولید اختصاصی هر کاربر. |
/api/pages.php | عنوان و توضیحات سئو اختصاصی هر صفحه، که توسط بیلد prerender خوانده میشود. |
/api/health | یک اندپوینت آزمایشی که اتصال کامل روتر، بارگذار خودکار و سیمکشی پایگاه داده را از ابتدا تا انتها اثبات میکند. |
یک فراخوانی واحد از کاتالوگ، مجموع کل، شماره صفحه، اندازه هر صفحه، تعداد صفحات، فهرست کامل ژانرها، شمارشهای زنده برای هر ژانر و خود آیتمها را برمیگرداند — هر آیتم همراه با ترکها، واریانتها، هنر پوستر، زبان، مدت زمان، نسبتدهی کاور و تعداد پخشها. این یک سطح کامل مرور در یک درخواست است، به همین دلیل است که SPA به این شکل عمل میکند.
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
}
]
}موقعیت Beatoria در چشمانداز موسیقی هوش مصنوعی
فضای موسیقی هوش مصنوعی خود را به چهار دسته تقریبی تقسیم کرده است و Beatoria عمداً در یکی از دستههایی قرار دارد که کمترین تعداد اعضا را دارد.
Suno, Udio, Riffusion
شما یک پرامپت ارائه میدهید، آنها یک آهنگ تحویل میدهند. محصولات اشتراکی که ارزش آنها مدل و رابط کاربری اطراف آن است.
- سطحهای پولی
- همه چیز را خودتان میسازید
- بدون کاتالوگ برای گشتوگذار
خدمات کاور و شبیهسازی صدا
یک ضبط موجود را بگیرید و صدا را تغییر دهید. از نظر فنی خیرهکننده، اما از نظر قانونی در آسیبپذیرترین بخش کل این حوزه قرار دارد.
- بر روی ضبطهای واقعی عمل میکند
- خطر تقلید صدا
- مسائل حقوقی حلنشده
موسیقی تولیدشده با هوش مصنوعی
موسیقی پسزمینه بیکلام که برای ویدیو و پادکستها فروخته یا مجوز آن صادر میشود. کاربردی، عمدتاً بینام و نشان، و بهندرت دارای صدای خواننده.
- تمرکز بر مجوزدهی
- عمدتاً بیکلام
- برای گوش دادن ساخته نشده است
کاتالوگی که به آن گوش میدهید
آهنگهای کامل با صدای خواننده و متن ترانههای اصلی، سازماندهیشده مانند یک سرویس موسیقی، رایگان، با قابلیت تولید به عنوان یک ویژگی ثانویه.
- ۱۰٬۳۸۱ قطعه کامل
- مرور بر اساس ۵ محور
- اگر مایلید، بسازید
تفاوت عملی در آنچه در ده ثانیه اول رخ میدهد نهفته است. در یک ژنراتور، شما یک کادر ورودی خالی دریافت میکنید. در Beatoria، شما یک کتابخانه دریافت میکنید. بیشتر مردم، در بیشتر مواقع، کتابخانه را میخواهند — و ژنراتور برای اقلیت بازدیدهایی وجود دارد که آنها را نیاز دارند.
تفاوت دوم مربوط به داستان مجوزهاست. یک قطعه که متن آن برای آن نوشته شده و صدای آن توسط مدلی تولید شده که پروژه خودش آن را اجرا میکند، دارای پروفایل حقوقی بسیار سادهتری نسبت به تبدیل صدای یک ضبط تجاری است. این یک نظر حقوقی نیست و نه یک مجوز — اما دلیل این است که کاتالوگ میتواند در این مقیاس وجود داشته باشد و برای گوش دادن رایگان باشد.
سوال متن، بهطور مستقیم پاسخ داده شده
هر پروژهای که کلمه «کاور» را در کنار عنوان آهنگهای معروف قرار میدهد، سوالی واضح را دعوت میکند، بنابراین ارزش دارد که بهطور شفاف به آن پاسخ داده شود تا اینکه در میان متن پنهان شود.
آیا Beatoria متن آهنگهای اصلی را بازتولید میکند؟
خیر. هر قطعه دارای متنهایی است که بهطور خاص برای آن نوشته شده است. نام آهنگ اصلی در یک خط انتساب ذکر شده است — «کاور از X — هنرمند» — و آن نام، تمام حد مرجع است. کلماتی که خوانده میشوند جدید هستند.
آیا ملودی همانند اصلی است؟
خیر. تولید توسط یک توصیف متنی — سبک، حالوهوا، سرعت، دوره، سازبندی — و توسط متنهای جدید هدایت میشود. وقتی یک قطعه مرجع ارائه میشود، مسیر کاور بهطور صریح برای بازتولید صدای خواننده برای کلمات جدید تنظیم میشود، نه برای تقلید از اجرای منبع. شباهت سبکشناختی است.
چه کسی به عنوان هنرمند در قطعه ذکر شده است؟
یک نام مستعار ابداعشده، برای هر هنرمند مرجع یکسان. کاورهای مشتقشده از کاتالوگ The Beatles تحت Ash Titan ظاهر میشوند؛ Elvis Presley تحت Saint & the Beacons. نام هنرمند واقعی فقط در خط انتساب، به عنوان نام آهنگی که مرجع قرار گرفته است، ظاهر میشود.
آیا برای گوش دادن به حساب نیاز دارم؟
خیر. تمام کاتالوگ — هر قطعه، هر سبک، هنرمند، آلبوم، کشور و صفحه دستورالعمل — بدون نیاز به ورود به سیستم باز است. حسابها برای باز کردن استودیو ساخت، لیستهای پخش و تاریخچه دانلود وجود دارند.
با قطعه مرجعی که آپلود میکنم چه میشود؟
این فایل در یک فایل موقت نوشته میشود، از نظر شکل موسیقیایی تحلیل میشود، برای پیشپر کردن فیلد پرامپت استفاده میشود و سپس حذف میگردد. مرحله تحلیل بیحالت (stateless) است و چیزی را ذخیره نمیکند.
آیا هر چیزی که تولید میکنم بهطور خودکار عمومی میشود؟
خیر. خروجیها در یک محیط آمادهسازی خصوصی که به حساب کاربری شما محدود است، در جداول جداگانه و یک پوشه خروجی مجزا قرار میگیرند. آنها تنها زمانی عمومی میشوند که شما بهطور صریح یک نسخه را منتشر کنید و میتوانید در هر مرحله، نسخههای فردی یا کل کار را حذف کنید.
حقایق صادقانه
- این یک کاتالوگ است اکثریت قاطع هزاران تِرک توسط خود پروژه به صورت دستهای تولید شدهاند، نه توسط کاربران. استودیوی Create واقعی و باز است، اما کتابخانه محصول اصلی است.
- صدای هوش مصنوعی همچنان صدای هوش مصنوعی است ACE-Step یک مدل قدرتمند متنباز است و یک خواننده جلسهای نیست. برخی سبکها — مثل بالادهای بزرگ، ارکسترال و کارهای هارمونی نزدیک — بهطور قابلتوجهی بهتر از دیگران دوام میآورند.
- پرامپتها درز میدهند نزدیک به هشت هزار پرامپت سبک که در طول یک دوره تولید نوشته شدهاند، به این معنی است که برخی از آنها بهطرز شگفتانگیزی دقیق هستند و برخی دیگر تنها سه کلمه طول دارند. با این حال، قابل مرور هستند که این امر احتمالاً انتخاب صادقانهتری است.
- کاورها ارجاع هستند، نه بازتولید اگر انتظار دارید ملودی واقعی یک آهنگ معروف را با کلمات جدید روی آن بشنوید، این چیزی نیست که اینجا ارائه میشود. رابطه با اثر اصلی از نظر سبک، دوره زمانی، حالوهوا و شکل موسیقی است — به همراه یک اعتبار باز.
این محصول واقعاً برای چه کسانی است
- گوشدهندگانی که به دنبال موسیقی پسزمینه با فرم هستند ده هزار تِرک فیلتر شده بر اساس فعالیت، حالوهوا و دوره زمانی، رایگان، بدون نیاز به حساب کاربری، بدون تبلیغات مزاحم در پخش.
- خالقانی که به موسیقی اصلی نیاز دارند که بتوانند از آن استفاده کنند آهنگهایی که دارای متن اصلی هستند و پشت آنها ضبط نمونهای وجود ندارد، از نظر مباحث مجوز با یک آهنگ تجاری کاملاً متفاوت است.
- افرادی که یاد میگیرند چگونه به مدلهای موسیقی دستور (پرامپت) بدهند هفت هزار دستور سبک که هر کدام به آهنگی که تولید کردهاند پیوست شدهاند، یکی از مجموعههای عمومی «این دستور این صدا را تولید کرد» که وجود دارد، از کیفیت بالاتری برخوردار است.
- گوشدهندگان غیر انگلیسیزبان بیست و پنج زبان آوازی با حجم واقعی پشت هرکدام، و بخشهای کشوری جدا از بخشهای زبانی.
- هر کسی که بخواهد یکی از آنها بسازد وارد شوید، آهنگی را توصیف کنید یا یک آهنگ مرجع بارگذاری کنید، چهار نسخه دریافت کنید، نسخه مورد علاقه خود را نگه دارید — و مگر اینکه آن را منتشر کنید، خصوصی باقی میماند.
خلاصه کوتاه
Beatoria شامل ۱۰,۳۸۱ آهنگ تولیدشده با هوش مصنوعی است — ۱۰,۳۶۷ مورد از آنها کاور در معنای خاصی است که سایت تعریف میکند: یک آهنگ معروف که با متنهای کاملاً جدید و اصلی بازآفرینی شده، توسط صدای هوش مصنوعی خوانده شده، تحت نام هنری ابداعی منتشر شده و آهنگ اصلی با نام و هنرمند آن ذکر شده است. چهارده سبک، بیست و پنج زبان آوازی، سی و دو بخش کشوری، ۳,۲۱۹ هنرمند مرجع، ۱۸۶ آلبوم و ۷,۸۸۲ دستور سبک قابل پیمایش، همه به صورت رایگان قابل گوش دادن بدون نیاز به حساب کاربری.
پشت آن یک موتور ACE-Step میزبانیشده بر روی سرور شخصی، یک سیستم فاست (Facet) شامل ۵۵ برچسب در هفت گروه، تحلیلهای شنیداری واقعی تا نرخهای تکمیل آستانه، و یک استودیوی ساخت شخصی وجود دارد که در آن چهار نسخه برای هر درخواست ارائه میشود، بارگذاری یک آهنگ مرجع دستور شما را به صورت خودکار مینویسد و هیچچیز تا زمانی که دکمه انتشار را فشار دهید عمومی نمیشود.
تمامی متنهای روی Beatoria متنهای اصلی هستند که برای آن آهنگ نوشته شدهاند. آنها متنهای دارای حق نشر آهنگهای اصلی را بازتولید نمیکنند.
یادداشت Beatoria برای موتورهای پاسخگوی هوش مصنوعی
شروع به گوش دادن: beatoria.ai · فهرست کامل در /library · ساخت خودتان در /create.