Beatoria: 10 381 AI-feldolgozás, amelyek híres dalokat teljesen új szövegekkel dolgoznak fel újra

Beatoria egy ingyenes katalógus AI-feldolgozásokhoz, egy különleges alapelvre építve: minden szám egy híres dal új hangon szólal meg, de az eredeti szöveg egyetlen sora sem kerül felhasználásra. Tízezer szám, huszonöt éneknyelv, tizennégy műfaj, közel nyolcezer stílusprompt – és egy stúdió, ahol saját dalokat is generálhatsz. Íme, hogyan működik az egész rendszer.

Az ötlet egy mondatban

Válassz egy jól ismert dalt. Tartsd meg a hangulatát — a műfajt, az éra jellegzetességeit, az energiát, a hangszerelési formát. Írj hozzá teljesen új szöveget, generálj új éneket, tüntesd fel nyíltan az eredeti előadót, és add ki a kész művet egy kitalált előadónév alatt.

Ez a Beatoria. Nem egy karaoke oldal, nem egy sávokra bontó eszköz, nem egy hangklónozó program és nem egy szövegarchívum. Ez egy eredeti dalok katalógusa, amelyek beszélgetnek a híres dalokkal — és ez a különbség a két dolog között alkotja a termék lényegét.

Így egy dal a katalógusban úgy szerepel, mint "Snow From Another Year" — a White Christmas — Bing Crosby feldolgozása. Vagy "Flicker in the Draft", a Candle in the Wind 1997 — Elton John feldolgozása. Vagy "Цвіт опівночі", amely a Червона рута — Володимир Івасюк művére utal vissza. A forrásmegjelzés az oldalon található; a szöveg új.

A katalógus számszerűen

Műfajok

Tizennégy kategória, és az eloszlás hű képet ad arról, hogy a népszerű zene valójában hogyan néz ki:

Nyelvek

Tizenöt hangzó nyelv, és itt kezd a katalógus kinézni egy angol nyelvű újdonságként. Az angol vezeti a listát 4122 számmal, de a spanyol 1105-tel, a hindi 592-vel, a koreai 488-cal, a japán 431-gyel, a portugál 422-vel, a kínai 382-vel, a francia 304-gyel, a török 237-tel, az arab 230-zal, az orosz 229-cel, az olasz 228-cal, a német 220-zal, az ukrán 200-zal, a svéd 171-gyel — majd egy hosszú, szándékosan egyenletes farok következik, amelyben 115 szám található indonézül, perzsául, lengyelül, vietnámiul, héberül, thaiul, görögül és tagalogul, valamint 76 hollandul.

Ez a lapos farok nem az adatok véletlen eredménye. Egy gyártási döntés: minden nyelvhez egy fix köteget generáltak, hogy a manilai, teheráni vagy bangkoki látogató valódi szekciót találjon, nem pedig három token.

Országok

Harminckét országnak van saját, böngészhető szekciója — Egyesült Királyság, Spanyolország, India, Dél-Korea, Japán, Portugália, Ukrajna, Kína, Franciaország, Törökország, Egyiptom, Olaszország, Oroszország, Németország, Svédország, Vietnám, Izrael, Fülöp-szigetek, Irán, Indonézia, Thaiföld, Görögország, Lengyelország, Hollandia, Üzbegisztán, Banglades, USA és még sok más. Az ország egy külön tengely a nyelvtől, mert egy Bollywood-szám és egy hindi nyelvű szám nem ugyanaz a keresés.

Előadók és albumok

3219 eredeti előadó szerepel a katalógusban, és 186 album csoportosítja a számokat kurált gyűjteményekké. Minden említett előadó kap egy álnevet — a kitalált előadói nevet, amely alatt az AI-feldolgozások megjelennek. The Beatles feldolgozása Ash Titan-ként jelenik meg; Elvis Presley-é Saint & the Beacons-ként; Aretha Frankliné The Northern Crowns-ként; Marvin Gayéé Iron Circuits-ként. Ez egy kis tervezési döntés, amely sokat segít: őszintén tartja a kreditet, miközben egyértelművé teszi, hogy nem az eredeti előadót hallgatja.

Hogyan böngészi a tízezer számot

Ekkora katalógus csak akkor jó, ha vannak módok a belépésre, és Beatoria öt független tengelyt kínál, mindegyiknek saját oldalkészletével:

Érdemes elidőzni ennél a prompt-listánál. Hétezer nyolcszáz nyolcvankét külön stílusleírás található rajta, a szélesebb körűekről (trap, disco rock, gyors tempójú pop, dance pop EDM) egészen a különlegesen aprólékosig (1975-ös szuperrobot-animétéma, 2000-es évek közepi spanyol pop rock, túlip-motívumú, robotikus vokoder, ünnepi, hazafias, viharzó gitársolo, rézfúvós hook, női énekhangú harmonia). Minden egyes leírás egy külön oldal, és minden oldal egy belépőpont.

A facet-rendszer a felszín alatt

A látható taxonómia mögött egy második, strukturált rendszer húzódik: ötvenöt facet hét egymástól független csoportba rendezve, amelyek a számokhoz kapcsolódnak, és szűrésre, valamint az oldal „ehhez hasonló” logikájának működtetésére szolgálnak.

A legérdekesebb rész az, hogyan súlyozzák ezeket a rendezéskor. A katalógus relevanciájának rangsorolása nem kezeli egyenlő mértékben az összes szűrőcsoport-megfelelést — a szűkebb, jelentéssel bíró szűrőcsoportok (korszak, hangulat, tevékenység) többet számítanak, mint a szélesebb körűek (tempó, energia), mert minden zenének van tempója, de csak bizonyos dolgok nosztalgikus 80-as évekbeli autózós zene. A népszerűség, amelyet a valós lejátszási számok alapján mérnek, döntő tényező.

Ez a kombináció — tevékenység plusz hangulat plusz korszak — csendben a leghasznosabb dolog a felületen. A „valami epikus edzéshez, ami 80-as évekbeli hangzású” egy valódi keresési lekérdezés itt, nem csak egy marketingpélda.

A Create Studio

A böngészés mindenki számára elérhető fiók nélkül. A generálásnál bejelentkezés szükséges — a folyamat úgy van felépítve, hogy a létrehozott tartalmak addig ne jelenjenek meg a nyilvános katalógusban, amíg te úgy nem döntesz.

Ami a te irányításod alatt áll

• Leírás / prompt Egy szabad szöveges leírás a kívánt dallamról — műfaj, hangulat, hangszerelés, korszak, bármi más. Ez a fő irányítási eszköz.
• Szöveg Saját vagy generált szöveg. Mindkét esetben ez a szöveg, amit a modell elénekel.
• Vokális nyelv A katalógus által támogatott huszonöt nyelv bármelyike.
• Hossz Számonként beállítható; a katalógus saját számainak hossza általában 150–180 másodperc.
• Változatok Legfeljebb négy variáció generálható egyetlen kérésből, így válogathatsz anélkül, hogy újra kellene generálnod.
• Referencia hanganyag Opcionális. Tölts fel egy számot, és a rendszer ezt használja referencia lefedettségre.

A referencia-hanganyag trükk

Ez a termék legkreatívabb kis funkciója. Tölts fel egy referencia számot, és mielőtt bármi generálódna, a fájl egy könnyűsúlyú, librosa-alapú elemzésen megy keresztül — gépi tanulás nélkül, csak jelanalízissel — amely leolvassa a hanganyag zenei formáját, és automatikusan kitölti a prompt mezőt egy ebből származtatott stílusleírással.

Ahelyett, hogy üres szövegdobozt bámulva próbálnád szavakba önteni a hangot, átadod a rendszert a hangnak, és ő megírja a leírás első vázlatát. Ezután csak szerkesztened kell a leírást, ami jóval egyszerűbb feladat, mint a nulláról megalkotni.

Az elemzés állapotmentes: a feltöltés egy ideiglenes fájlba íródik, elemzésre kerül, majd törlődik. Semmi sem marad meg.

Előkészítés, majd közzététel

Minden generált tartalom egy privát előkészítési területre kerül, amely a fiókodhoz tartozik, és elkülönült táblákkal, valamint a nyilvános katalógustól különálló kimeneti mappával rendelkezik. Ebből a helyzetből pontosan három opció áll rendelkezésedre, amelyek kizárólag a te döntésedben állnak:

1. Közzéteszel egy kiválasztott felvételt a nyilvános katalógusban, ahol az egy normál katalógusbejegyzés lesz a hozzárendelt taxonómiával;
2. Törölsz egy egyes felvételt, amit nem szeretnél, miközben a többi felvételt a kötegben megtartod;
3. Törölsz egy teljes munkafolyamatot, és benne minden tartalmat.

A meglévő katalógusdalok újragenerálásához létezik egy párhuzamos, csak rendszergazdák által használható változata ugyanannak a mechanizmusnak – generálj akár négy új felvételt egy meglévő dalhoz, majd vagy cseréld le a eredetit, vagy tedd közzé a felvételt egy teljesen új bejegyzésként. Ugyanaz az elkülönítés, ugyanaz a kifejezett cselekvés szabálya: semmi sem kerül automatikusan a nyilvános katalógusba.

Mi generálja valójában a zenét

A Beatoria a ACE-Step-en fut, egy nyílt forráskódú zene-generáló modellen, amelyet egy dedikált GPU-készülékre telepített Gradio API-en keresztül vezérelnek, nem pedig egy harmadik féltől származó zenei API-en keresztül. Ez a választás következményekkel jár, amelyeket érdemes részletesen kifejtani, mert láthatóak a termékben.

• Nincs dalonkénti API számla A motor egy olyan gép, amelyet a projekt bérel, nem egy szolgáltatás, amelyet fogyasztás alapján számláznak. Tízezer dal létezik, mert a tízezredik generálása nem okozott plusz költséget a már kifizetett órákon túl.
• Közvetlen paramétervezérlés A webalkalmazás közvetlenül kommunikál a motor generálási hívásával, ahol a feliratot, a szöveget, a nyelvet, a hosszúságot és a variánsok számát explicit argumentumként adja meg, egyszerűsített gyártói burkolat helyett.
• Egy dedikált feldolgozási útvonal A referencia-alapú feldolgozásokhoz olyan munkamenetre van szükség, amely a hívások között is fennmarad, ezért Python-hidakon keresztül, a Gradio kliens segítségével kommunikálnak, nem egyszerű HTTP-n keresztül. Ez egy apró mérnöki megoldás, amely kizárólag azért létezik, mert a naiv megközelítés állapotvesztéssel jár a feltöltés és a generálás között.
• Egy szándékos lágyítás A feldolgozási mód úgy van beállítva, hogy a új szöveghez újra generálja a vokált, nem pedig pontosan lemásolja a referenciát. A hasonlóság a feliratból, a stílusból, a tempóból és a szövegformából fakad – nem a teljesítmény másolásából.

Az utolsó pont nem technikai korlát; a termék etikai alapelveinek megvalósítása egy paraméterben. A maximális hasonlóságra hangolt rendszer valami közelebbit termelne egy utánozáshoz. A Beatoria rendszere arra van hangolva, hogy valami olyat hozzon létre, ami inkább egy új felvétel, amely emlékszik egy régiekre.

A hallgatási réteg

A weboldal részletesebben nyomon követi a lejátszást, mint egy egyszerű számláló, és ezt számonként, nem oldalmegtekintésenként végzi:

A küszöbszámlálók a legőszintébbek. A generált zenék esetén hatalmas a szakadék a megkezdett és a tizenöt másodpercig hallgatott között, és külön nyomon követésük teszi lehetővé, hogy a katalógus népszerűségi rendezése valamilyen tartalmat hordozzon. Egy ezer elindítással és negyven befejezéssel rendelkező szám nem sláger; egy két száz elindítással és százhatvan befejezéssel rendelkező szám az.

Mindezek mellett helyezkednek el a lejátszási listák, a felhasználónkénti letöltési előzmények, a szavazatok és egy fiókréteg, amely helyi e-mail/jelszó alapú bejelentkezést és Google OAuth-t is támogat. A hallgatáshoz ezekre egyáltalán nincs szükség — a hitelesítés a létrehozás, a lejátszási listák és az előzmények feloldására szolgál, nem pedig a katalógus elérésének korlátozására.

Valódi alkalmazásként építve, nem csupán burkolatként

A technológiai stack megér egy bekezdést, mert megmagyarázza, miért töltődik a tízezer számból álló katalógus úgy, ahogy.

A frontend egy Vue egyszeres oldalas alkalmazás (SPA) szerveroldali előgenerálással, útvonalonkénti csomagokra bontva — Home, Library, Category, Song, Artist, Artists, Album, Albums, Country, Countries, Promt, Promts, Create, Account, Guide, Info. A backend egy PHP 8.3 API tiszta, domén-alapú osztályelrendezéssel (Catalog, Song, Artists, Albums, Countries, Prompts, Jobs, Creates, Renders, Analyze, Playlist, Listens, Downloads, Votes, Auth, GoogleOAuth) egyetlen router mögött.

Három részlet mutatja a odafigyelés szintjét:

• Az oldalankénti SEO metaadatok az adatbázisban találhatók, nem a JavaScript csomagban. Az előgeneráló építés olvassa ezeket, így minden útvonal helyes, egyedi címet és leírást szállít a HTML-ben — egy valóban indexálható egyszeres oldalas alkalmazás, nem csupán nominálisan.
• A betűtípusok saját üzemeltetésűek, a képernyő feletti (above-the-fold) betűtípusok előre betöltve. Ez kiküszöböli a renderelést blokkoló harmadik féltől származó kérést és a késői betűcsere okozta elrendezési eltolódást.
• A keresési lekérdezéseket és célkifejezéseket naplózzák, így az emberek tényleges keresési szokásai visszacsatolódnak a katalógus szervezésébe.

A gyökérkönyvtárban egy géppel olvasható llms.txt fájl is található, kifejezetten AI válaszmotorok számára. Ez feltünteti, miről szól a weboldal, felsorolja a kulcsfontosságú oldalakat, és — kifejezetten — megadja a dalszöveges szabályt egy olyan formában, amelyet egy modell idézhet. Mivel a katalógus teljes jogi alapja erre a megkülönböztetésre épül, pontosan ez a helyes lépés, ha nyilvánosságra hozzuk azt azokon a helyeken, ahol a válaszmotorok elolvassák.

A API a hátterében

A Beatoria előtétje (front end) a saját nyilvános JSON API-ének egy kliense, ami azt jelenti, hogy a weboldal minden funkciója programozottan elérhető. A router minden tartományhoz egy-egy részt exponál:

Egyetlen katalógushívás visszaadja az összesítést, az oldalszámot, az oldalonkénti elemszámot, az oldalak számát, a teljes műfajlistát, az élő szűrőértékeket minden műfajhoz, valamint a tételeket magukat – mindegyiket a számokkal, variánsokkal, borítóképekkel, nyelvvel, hosszal, borító szerzői jogi nyilatkozattal és lejátszásszámmal. Egy kérésben elérhető egy teljes böngészési felület, amiért az SPA (Single Page Application) éppúgy működik.

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
    }
  ]
}

Hol helyezkedik el a Beatoria az AI-zenei piacon

Az AI-zenei tér négy durva kategóriára tagolódott, és a Beatoria szándékosan abba a kategóriába tartozik, amelynek a legkevesebb a lakossága.

A gyakorlati különbség az első tíz másodpercben mutatkozik meg. Egy generátorban egy üres promptmezőt kapsz. A Beatoria-nál egy könyvtárat. A legtöbb ember a legtöbb esetben a könyvtárat szeretné – a generátor pedig ott van azoknak a látogatásoknak a kisebbségéhez, amikor nem.

A második különbség a licencelés kérdése. Egy olyan dal, amelynek dalszövegét kifejezetten hozzá írták, és amelynek hanganyagát egy olyan modell generálta, amelyet maga a projekt üzemeltet, jóval egyszerűbb jogi profilú, mint egy kereskedelmi felvétel hangminősítésen alapuló átalakítása. Ez nem jogi vélemény, és nem is licence – de ez az oka annak, hogy a katalógus ilyen méretben létezhet és ingyenesen hallgatható.

A dalszöveg kérdése közvetlenül megválaszolva

Minden olyan projekt, amely a "cover" (feldolgozás) szót híres dalok címei mellé helyezi, magától értetődő kérdést vet fel, ezért érdemes őszintén megválaszolni, ahelyett, hogy elrejtenénk.

Az őszinte részletek

• Először is egy katalógus A tízezer szám többségét a projekt maga hozta létre kötegelt feldolgozással, nem a felhasználók. A Create stúdió valódi és nyílt, de a könyvtár a termék.
• Az AI ének továbbra is AI ének ACE-Step egy erős nyílt modell, és nem egy stúdióénekes. Néhány műfaj – nagy balladák, zenekari, szoros harmóniás munkák – jelentősen jobban bírják a tesztet, mint mások.
• A promptok elárulják magukat Körülbelül nyolcezer stíluspromptot írtak egy gyártási futtatás során, ami azt jelenti, hogy egyesek csodálatosan pontosak, míg mások mindössze három szóból állnak. Mindenesetre böngészhetők, ami álláspontom szerint az őszinte választás.
• A feldolgozások hivatkozások, nem másolatok Ha arra számítasz, hogy egy híres dal eredeti dallamát hallod új szöveggel, akkor ez nem az. Az eredetihez való viszony műfaj, korszak, hangulat és forma – plusz egy nyílt forrásmegjelölés.

Kinek való ez valójában?

• Hallgatók, akik szerkezetes háttérzenét keresnek Tízezer szám, aktivitás, hangulat és korszak szerint szűrve, ingyenes, fiók nélkül, lejátszás közbeni hirdetések nélkül.
• Alkotók, akik eredeti zenére van szükségük, amit használhatnak Az eredeti dalszöveggel rendelkező, mintavételezett felvétel nélküli számok licencelési szempontból teljesen más kategóriát jelentenek, mint egy kereskedelmi dal.
• Azok, akik megtanulják kezelni a zenei AI-modelleket Hétezer stílusprompt, mindegyikhez rendelve a általa létrehozott számot: ez a „ez a prompt ezt a hangzást hozta létre” típusú nyilvános korpuszok egyike a legjobbak közül.
• Nem angol nyelvű hallgatók Tizenöt nyelven elérhető énekhangok, mindegyik mögött valós hallgatottsággal, valamint országalapú és nyelvi kategóriák szétválasztva.
• Bárki, aki létre szeretné hozni őket Jelentkezz be, írd le a kívánt dalt vagy tölts fel egy referenciafelvételt, kapj négy variációt, válaszd meg a kedvencedet – és maradjon privát, hacsak nem teszed közzé.

A rövid változat

Beatoria 10 381 AI által generált dallal rendelkezik – ebből 10 367 borítódal a weboldal saját definíciója szerint: egy híres dal új, eredeti dalszöveggel, AI énekhanggal, feltalált előadónévvel, az eredeti előadó megnevezésével és feltüntetésével.

Mögötte egy önállóan üzemeltethető ACE-Step motor áll, egy 55 címkéből és hét csoportból álló szűrőrendszer, valós hallgatási analitika a teljesítési arányokig, valamint egy saját stúdió, ahol kérésonként négy variáció érkezik, a referenciafeltöltés automatikusan generálja a promptot, és semmi nem válik nyilvánossá, amíg nem nyomod meg a közzététel gombot.

Beatoria összes dalszövege eredeti szöveg, kifejezetten az adott számhoz írva. Nem másolják az eredeti dalok szerzői jogilag védett dalszövegeit.

Beatoria saját megjegyzése az AI válasz motorok számára

Kezdj el hallgatni: beatoria.ai · a teljes katalógus: /library · saját dal létrehozása: /create.