Beatoria: 10.381 bài hát cover AI tái hiện các bản hit nổi tiếng với lời hoàn toàn mới

Beatoria là một bộ sưu tập miễn phí các bài hát cover AI được xây dựng dựa trên một nguyên tắc độc đáo: mỗi bài hát là một bản hát lại của một ca khúc nổi tiếng với một giọng ca mới, nhưng không một dòng lời gốc nào được lặp lại. Mười nghìn bài hát, hai mươi-five ngôn ngữ giọng hát, mười bốn thể loại, gần tám nghìn gợi ý phong cách — và một studio nơi bạn có thể tự tạo bài hát của mình. Dưới đây là cách toàn bộ hệ thống này được tạo ra.

Ý tưởng trong một câu

Hãy lấy một bài hát mà ai cũng biết. Giữ lại cảm xúc của nó — thể loại, thời đại, năng lượng, cấu trúc bản phối. Sau đó, viết lời hoàn toàn mới cho nó, tạo một giọng hát mới, ghi rõ nguồn gốc bài gốc và công bố kết quả dưới tên một nghệ sĩ hư cấu.

Đó chính là Beatoria. Đây không phải là trang web karaoke, không phải công cụ tách nhạc, không phải công cụ sao chép giọng nói và cũng không phải kho lưu trữ lời bài hát. Đây là một bộ sưu tập các bài hát gốc đang đối thoại với các bài hát nổi tiếng — và sự khác biệt giữa hai điều đó chính là toàn bộ sản phẩm.

Vì vậy, một bản nhạc nằm trong danh mục dưới dạng "Snow From Another Year" — bản phối lại của White Christmas — Bing Crosby. Hoặc "Flicker in the Draft", bản phối lại của Candle in the Wind 1997 — Elton John. Hoặc "Цвіт опівночі", hướng về nguồn gốc từ Червона рута — Володимир Івасюк. Thông tin ghi công được hiển thị trên trang; còn lời bài hát thì là mới.

Danh mục qua các con số

Thể loại

Mười bốn nhóm thể loại, và sự phân bổ này phản ánh một cách công bằng thực tế của nền nhạc phổ thông:

Ngôn ngữ

Hai mươi lăm ngôn ngữ giọng hát, và đây là nơi danh mục bắt đầu không còn trông giống như một dự án mới lạ chỉ bằng tiếng Anh. Tiếng Anh dẫn đầu với 4.122 bài hát, nhưng tiếng Tây Ban Nha chiếm 1.105, tiếng Hindi 592, tiếng Hàn 488, tiếng Nhật 431, tiếng Bồ Đào Nha 422, tiếng Trung 382, tiếng Pháp 304, tiếng Thổ Nhĩ Kỳ 237, tiếng Ả Rập 230, tiếng Nga 229, tiếng Ý 228, tiếng Đức 220, tiếng Ukraina 200, tiếng Thụy Điển 171 — và sau đó là một đuôi dài, được phân bổ đều một cách có chủ đích với 115 bài hát cho mỗi ngôn ngữ: tiếng Indonesia, tiếng Ba Tư, tiếng Ba Lan, tiếng Việt, tiếng Do Thái, tiếng Thái, tiếng Hy Lạp và tiếng Tagalog, cùng với 76 bài bằng tiếng Hà Lan.

Đuôi phẳng này không phải là một tai nạn của dữ liệu. Đó là một quyết định sản xuất: một lô cố định được tạo ra cho mỗi ngôn ngữ để người nghe đến từ Manila, Tehran hay Bangkok tìm thấy một phần nội dung thực sự thay vì chỉ ba từ khóa.

Quốc gia

Ba mươi hai quốc gia có phần riêng có thể duyệt qua — Vương quốc Anh, Tây Ban Nha, Ấn Độ, Hàn Quốc, Nhật Bản, Bồ Đào Nha, Ukraina, Trung Quốc, Pháp, Thổ Nhĩ Kỳ, Ai Cập, Ý, Nga, Đức, Thụy Điển, Việt Nam, Israel, Philippines, Iran, Indonesia, Thái Lan, Hy Lạp, Ba Lan, Hà Lan, Uzbekistan, Bangladesh, Hoa Kỳ và hơn thế nữa. Quốc gia là một trục riêng biệt với ngôn ngữ, vì một bài hát Bollywood và một bài hát bằng tiếng Hindi không phải là cùng một truy vấn.

Nghệ sĩ và album

3.219 nghệ sĩ gốc được đề cập trong toàn bộ danh mục, và 186 album nhóm các bài hát thành những bộ sưu tập được chọn lọc kỹ lưỡng. Mỗi nghệ sĩ được đề cập đều nhận được một bí danh — tên nghệ sĩ do AI tạo ra, dưới tên này các bản cover AI được phát hành. Các bản cover của The Beatles xuất hiện dưới tên Ash Titan; của Elvis Presley là Saint & the Beacons; của Aretha Franklin là The Northern Crowns; của Marvin Gaye là Iron Circuits. Đó là một quyết định thiết kế nhỏ nhưng mang lại nhiều hiệu quả: nó giữ cho việc ghi công minh bạch trong khi vẫn làm rõ ràng rằng bạn không đang nghe nghệ sĩ gốc.

Cách bạn duyệt mười nghìn bài hát

Một danh mục có kích thước này chỉ tốt bằng những cách tiếp cận vào nó, và Beatoria cung cấp năm trục độc lập, mỗi trục có một bộ trang riêng:

Danh sách các prompt này đáng để suy ngẫm. Bảy nghìn tám trăm tám mươi hai mô tả phong cách khác biệt, từ những khái quát (trap, disco rock, uptempo pop, dance pop EDM) đến những mô tả vô cùng cụ thể (nhạc chủ đề anime siêu robot thập niên 1975, pop rock Tây Ban Nha giữa thập niên 2000, chủ đề hoa tulip, vocoder robot, lễ hội yêu nước, tiếng guitar riff chạy nước rượt, hook kèn đồng, hòa âm nữ). Mỗi prompt là một trang, và mỗi trang là một lối vào.

Hệ thống Facet bên dưới

Bên dưới phân loại học hiển thị là một phân loại học có cấu trúc thứ hai: 55 facet trên bảy nhóm trực giao, được gắn vào các bài hát và dùng để lọc cũng như cho logic "giống như thế này" của trang web.

Điều thú vị nằm ở cách các yếu tố này được cân nặng khi sắp xếp. Xếp hạng liên quan của kho dữ liệu không coi mọi khớp facet đều ngang nhau — các facet hẹp, có ý nghĩa (thập kỷ, tâm trạng, hoạt động) được tính trọng số cao hơn các facet rộng (nhịp độ, năng lượng), bởi vì mọi thứ đều có một nhịp độ nào đó nhưng chỉ một số thứ mới là nhạc lái xe thập niên 80 mang màu hoài cổ. Mức độ phổ biến, được đo lường từ số lượt phát thực tế, sẽ đóng vai trò phân thắng bại.

Sự kết hợp đó — hoạt động cộng với tâm trạng cộng với thập kỷ — là thứ hữu ích nhất một cách thầm lặng trong giao diện. "Một thứ gì đó hùng tráng cho buổi tập thể dục mà nghe giống như nhạc thập niên 80" là một truy vấn thực sự tại đây, không phải chỉ là một ví dụ tiếp thị.

Studio Sáng tạo

Việc duyệt cho phép mọi người sử dụng mà không cần tài khoản. Việc tạo nhạc yêu cầu đăng nhập — quy trình được thiết kế để đảm bảo mọi tác phẩm bạn tạo ra đều không xuất hiện trong danh mục công khai cho đến khi bạn quyết định công bố chúng.

Những gì bạn kiểm soát

• Lời mô tả / Nhắc lệnh Một đoạn mô tả dạng văn bản tự do về bài hát bạn muốn — thể loại, tâm trạng, nhạc cụ, thời đại, hay bất kỳ yếu tố nào khác. Đây là yếu tố định hướng chính.
• Lời bài hát Lời do bạn viết hoặc do hệ thống tạo ra. Dù bằng cách nào, đây chính là văn bản mà mô hình sẽ hát.
• Ngôn ngữ giọng hát Bất kỳ một trong 25 ngôn ngữ mà danh mục hỗ trợ.
• Thời lượng Đặt riêng cho từng bài; các bài có sẵn trong danh mục thường kéo dài từ 150–180 giây.
• Các biến thể Tối đa bốn phiên bản được tạo ra từ một yêu cầu duy nhất, giúp bạn dễ dàng chọn lựa thay vì phải tạo lại từ đầu.
• Audio tham chiếu Tùy chọn. Tải lên một bản nhạc và hệ thống sẽ sử dụng nó làm tham chiếu để tạo bản cover.

Mẹo sử dụng audio tham chiếu

Đây là tính năng nhỏ nhưng thông minh nhất của sản phẩm. Khi tải lên một bản nhạc tham chiếu, trước khi bất kỳ nội dung nào được tạo ra, tệp tin sẽ được phân tích bằng một công cụ nhẹ dựa trên thư viện librosa — không sử dụng máy học, chỉ là phân tích tín hiệu — để đọc hình thái âm nhạc của audio và tự động điền trường nhắc lệnh với mô tả phong cách được suy ra từ tệp đó.

Thay vì phải nhìn chằm chằm vào một ô văn bản trống và cố gắng mô tả một âm thanh bằng lời, bạn chỉ cần cung cấp âm thanh đó cho hệ thống và nó sẽ viết bản nháp đầu tiên của phần mô tả cho bạn. Sau đó, bạn chỉ cần chỉnh sửa bản mô tả đó, một nhiệm vụ dễ dàng hơn nhiều so với việc tự viết từ đầu.

Quá trình phân tích là không trạng thái — bản tải lên được ghi vào một tệp tạm thời, được phân tích và sau đó bị xóa. Không có dữ liệu nào được lưu giữ lại.

Giai đoạn thử nghiệm, sau đó là xuất bản

Mọi nội dung bạn tạo ra đều nằm trong một khu vực thử nghiệm riêng tư, được giới hạn trong tài khoản của bạn, trong một bộ bảng riêng biệt và một thư mục đầu ra riêng biệt so với danh mục công cộng. Từ đó, bạn có đúng ba tùy chọn, tất cả đều do chính bạn quyết định thực hiện:

1. Xuất bản một phiên bản đã chọn vào danh mục công cộng, nơi nó trở thành một mục danh mục bình thường với hệ thống phân loại tương ứng;
2. Xóa một phiên bản đơn lẻ mà bạn không muốn, giữ lại những phần còn lại của lô dữ liệu;
3. Xóa toàn bộ công việc, bao gồm mọi thứ bên trong nó.

Có một phiên bản song song, chỉ dành cho quản trị viên, của cùng bộ máy đó để tạo lại các bài hát hiện có trong danh mục — tạo tối đa bốn phiên bản mới cho một bài hát hiện có, sau đó hoặc thay thế bản gốc tại chỗ hoặc xuất bản phiên bản đó như một mục hoàn toàn mới. Sự tách biệt tương tự, quy tắc hành động rõ ràng tương tự: không có gì tự động xuất hiện trong danh mục công cộng.

Ai thực sự đang tạo ra âm nhạc

Beatoria chạy trên ACE-Step, một mô hình tạo nhạc mã nguồn mở, được điều khiển thông qua một Gradio API trên một máy chủ GPU chuyên dụng thay vì thông qua một dịch vụ API âm nhạc bên thứ ba. Lựa chọn này có những hệ quả đáng được nêu rõ, vì chúng hiện hữu rõ ràng trong sản phẩm.

• Không hóa đơn API tính theo từng bài Bộ máy này là một thiết bị mà dự án thuê, không phải một dịch vụ tính phí theo mức sử dụng. Mười nghìn bài hát tồn tại vì việc tạo ra bài hát thứ mười nghìn không tốn thêm chi phí nào ngoài số giờ đã được trả trước.
• Kiểm soát tham số trực tiếp Ứng dụng web giao tiếp trực tiếp với lệnh tạo nội dung của mô hình, thiết lập tiêu đề, lời bài hát, ngôn ngữ, độ dài và số lượng biến thể dưới dạng các đối số rõ ràng thay vì thông qua một lớp bao đơn giản hóa của nhà cung cấp.
• Một đường dẫn chuyên biệt cho bản cover Các bản cover dựa trên âm thanh tham chiếu cần một phiên duy trì qua nhiều lệnh gọi, do đó chúng đi qua một cầu nối Python sử dụng khách hàng Gradio thay vì HTTP thuần túy. Đây là một mảnh kỹ thuật nhỏ tồn tại hoàn toàn vì cách tiếp cận ngây thơ sẽ mất trạng thái giữa lúc tải lên và lúc tạo.
• Một độ mềm mại cố ý Chế độ cover được tinh chỉnh để tái tạo giọng hát cho lời bài hát mới thay sao chép chính xác bản tham chiếu. Sự tương đồng đến từ tiêu đề, phong cách, nhịp độ và hình thái lời bài hát — chứ không phải từ việc sao chép một màn trình diễn.

Điểm cuối cùng này không phải là một hạn chế kỹ thuật; đó là đạo đức của sản phẩm được hiện thực hóa trong một tham số. Một hệ thống được tinh chỉnh để đạt độ tương đồng tối đa sẽ tạo ra thứ gì đó gần giống như một bản nhái. Beatoria được tinh chỉnh để tạo ra thứ gì đó gần giống như một bản thu mới nhớ về một bản cũ.

Lớp lắng nghe

Truy cập web theo dõi việc phát lại chi tiết hơn một bộ đếm phát đơn giản, và nó thực hiện điều đó trên từng bài hát thay vì trên mỗi lượt xem trang:

Các bộ đếm ngưỡng là những chỉ số trung thực nhất. Trong âm nhạc được tạo ra, khoảng cách giữa đã bắt đầu và vượt quá mười lăm giây là rất lớn, và việc theo dõi chúng riêng biệt là thứ giúp việc sắp xếp mức độ phổ biến của danh mục trở nên có ý nghĩa. Một bản nhạc với một nghìn lượt bắt đầu nhưng chỉ bốn mươi lượt hoàn thành không phải là một bản hit; trong khi đó, một bản nhạc với hai trăm lượt bắt đầu và một trăm sáu mươi lượt hoàn thành thì có.

Bên cạnh đó là các danh sách phát, lịch sử tải xuống theo người dùng, các phiếu bầu và một lớp tài khoản với cả đăng nhập bằng email/mật khẩu cục bộ và Google OAuth. Việc nghe nhạc không yêu cầu bất kỳ thông tin nào trong số đó — xác thực tồn tại để mở khóa khả năng sáng tạo, danh sách phát và lịch sử, chứ không phải để khóa danh mục.

Được xây dựng như một Ứng dụng Thực tế, Không phải Lớp bọc

Mảng công nghệ đáng được mô tả trong một đoạn văn vì nó giải thích cách danh mục gồm mười nghìn bản nhạc tải về.

Giao diện người dùng là một ứng dụng trang đơn (SPA) Vue với khả năng tiền hiển thị phía máy chủ, được chia thành các gói theo từng tuyến — Trang chủ, Thư viện, Danh mục, Bài hát, Nghệ sĩ, Danh sách Nghệ sĩ, Album, Danh sách Album, Quốc gia, Danh sách Quốc gia, Prompt, Danh sách Prompt, Tạo, Tài khoản, Hướng dẫn, Thông tin. Máy chủ chạy PHP 8.3 API với bố cục lớp sạch theo từng miền (Catalog, Song, Artists, Albums, Countries, Prompts, Jobs, Creates, Renders, Analyze, Playlist, Listens, Downloads, Votes, Auth, GoogleOAuth) phía sau một bộ định tuyến duy nhất.

Ba chi tiết cho thấy mức độ cẩn thận:

• Dữ liệu meta SEO cho từng trang được lưu trữ trong cơ sở dữ liệu, không nằm trong gói JavaScript. Bản xây dựng tiền hiển thị đọc dữ liệu này để mỗi tuyến đều cung cấp tiêu đề và mô tả chính xác, duy nhất trong HTML — một ứng dụng trang đơn thực sự có thể được lập chỉ mục chứ không chỉ mang tính hình thức.
• Phông chữ được tự lưu trữ, với các phông chữ hiển thị ngay lập tức được tải trước. Điều này loại bỏ yêu cầu tải từ bên thứ ba chặn quá trình hiển thị và sự dịch chuyển bố cục do thay đổi phông chữ muộn đi kèm.
• Các truy vấn tìm kiếm và từ khóa mục đích được ghi lại, vì vậy những gì mọi người thực sự tìm kiếm sẽ được phản hồi lại vào cách tổ chức danh mục.

Ngoài ra còn có một tệp llms.txt có thể đọc được bằng máy ở thư mục gốc, được viết cụ thể cho các công cụ trả lời AI. Tệp này nêu rõ trang web là gì, liệt kê các trang chính và — một cách rõ ràng — nêu quy tắc về lời bài hát ở dạng mà một mô hình có thể trích dẫn. Vì nền tảng pháp lý hoàn toàn của danh mục dựa vào sự phân biệt đó, việc công bố nó ở nơi các công cụ trả lời AI sẽ đọc được chính là bước đi đúng đắn.

API của API cho trang web

Giao diện phía trước của Beatoria là một khách hàng của chính API JSON công khai API của nó, nghĩa là mọi chức năng của trang web đều có thể truy cập được thông qua lập trình. Bộ định tuyến (router) expose một segment cho mỗi miền:

Một lệnh gọi danh mục duy nhất trả về tổng số, trang hiện tại, kích thước mỗi trang, tổng số trang, toàn bộ danh sách thể loại, số lượng bộ lọc theo thời gian thực cho mọi thể loại và chính các mục — mỗi mục đều có danh sách bài hát, các biến thể, bìa poster, ngôn ngữ, độ dài, thông tin ghi công bìa và số lần phát. Đây là một bề mặt duyệt web hoàn chỉnh chỉ trong một yêu cầu, đó là lý do khiến giao diện SPA hoạt động như hiện tại.

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
    }
  ]
}

Vị trí của Beatoria trong bối cảnh AI-Music

Không gian nhạc AI đã tự phân loại thành bốn nhóm lớn, và Beatoria chủ động nằm trong nhóm có ít thành viên nhất.

Sự khác biệt thực tế nằm ở mười giây đầu tiên. Trên trình tạo, bạn nhận được một ô nhắc trống. Trên Beatoria, bạn nhận được một thư viện. Hầu hết mọi người, vào hầu hết thời gian, đều muốn thư viện — và trình tạo chỉ tồn tại cho những lần truy cập hiếm hoi khi họ cần.

Sự khác biệt thứ hai là câu chuyện về giấy phép. Một bản nhạc có lời được viết riêng cho nó và phần âm thanh được tạo bởi một mô hình do chính dự án vận hành có hồ sơ quyền sở hữu trí tuệ đơn giản hơn nhiều so với một bản chuyển đổi giọng từ một bản thu thương mại. Đây không phải là ý kiến pháp lý, và cũng không phải là giấy phép — nhưng đó là lý do khiến bộ sưu tập này có thể tồn tại ở quy mô lớn như vậy và miễn phí cho người nghe.

Câu hỏi về lời bài hát, được trả lời trực tiếp

Bất kỳ dự án nào đặt từ "cover" (chuyển thể) cạnh tên các bài hát nổi tiếng đều dễ dàng gợi lên một câu hỏi rõ ràng, vì vậy việc trả lời thẳng thắn là đáng giá hơn là giấu nó đi.

Những chi tiết trung thực

• Trước hết, đây là một bộ sưu tập Đa số áp đảo trong số mười nghìn bản nhạc được sản xuất hàng loạt bởi chính dự án, chứ không phải bởi người dùng. Studio Create thực sự là một không gian mở, nhưng thư viện mới là sản phẩm cốt lõi.
• Giọng hát AI vẫn là giọng hát AI ACE-Step là một mô hình mã nguồn mở mạnh mẽ và nó không phải là một ca sĩ phòng thu. Một số thể loại — như ballad lớn, giao hưởng, hòa âm cận cảnh — giữ được chất lượng đáng chú ý hơn các thể loại khác.
• Các lời nhắc cho thấy những đường nối của chúng Gần tám nghìn lời nhắc phong cách được viết trong quá trình sản xuất có nghĩa là một số lời nhắc rất chính xác và tinh tế, trong khi một số khác chỉ dài ba từ. Dù vậy, chúng vẫn có thể duyệt được, điều này có lẽ là lựa chọn trung thực nhất.
• Các bản cover là tài liệu tham khảo, không phải bản sao Nếu bạn đến với kỳ vọng nghe giai điệu thực sự của một bài hát nổi tiếng với lời mới được thêm vào, thì đó không phải là những gì sản phẩm này mang lại. Mối quan hệ với bản gốc nằm ở thể loại, thời đại, tâm trạng và hình thái — cùng với một ghi công mở.

Đối tượng thực sự hướng đến

• Người nghe muốn nhạc nền có cấu trúc rõ ràng Mười nghìn bản nhạc được lọc theo hoạt động, tâm trạng và thời đại, miễn phí, không cần tài khoản, không quảng cáo làm gián đoạn quá trình nghe.
• Các nhà sáng tạo cần nhạc gốc mà họ có thể sử dụng Các bản nhạc có lời gốc và không chứa bản ghi âm được lấy mẫu (sampled) phía sau là một vấn đề cấp phép hoàn toàn khác biệt so với một bài hát thương mại.
• Người dùng học cách tạo lệnh (prompt) cho các mô hình âm nhạc Bảy nghìn lệnh mô tả phong cách, mỗi lệnh được gắn liền với bản nhạc mà nó tạo ra, là một trong những bộ dữ liệu công khai tốt nhất về mối quan hệ "lệnh này tạo ra âm thanh này" hiện có.
• Người nghe không nói tiếng Anh Hai mươifive ngôn ngữ giọng hát với lượng phát thực tế cho mỗi ngôn ngữ, cùng các phần theo quốc gia được tách biệt khỏi các phần theo ngôn ngữ.
• Bất kỳ ai muốn tạo một bản nhạc Đăng nhập, mô tả một bài hát hoặc thả một bản nhạc tham chiếu, nhận bốn bản thu, giữ lại bản bạn thích — và nó vẫn được giữ kín trừ khi bạn xuất bản nó.

Tóm tắt nhanh

Beatoria chứa 10.381 bài hát do AI tạo ra — trong đó 10.367 bài là bản cover theo đúng nghĩa mà trang web định nghĩa: một bài hát nổi tiếng được tái tưởng tượng với lời hoàn toàn mới và nguyên bản, được hát bởi giọng AI, phát hành dưới tên một nghệ sĩ hư cấu, với bài gốc được ghi công rõ ràng theo tên và nghệ sĩ. 14 thể loại, 25 ngôn ngữ giọng hát, 32 phần theo quốc gia, 3.219 nghệ sĩ được tham chiếu, 186 album và 7.882 lệnh mô tả phong cách có thể duyệt, tất cả đều miễn phí nghe mà không cần tài khoản.

Phía sau đó là một công cụ ACE-Step tự lưu trữ, hệ thống phân loại với 55 thẻ trên bảy nhóm, các số liệu phân tích nghe thực tế bao gồm tỷ lệ hoàn thành đến ngưỡng, và một studio tự tạo nơi bốn bản thu được gửi theo mỗi yêu cầu, việc tải lên một bản nhạc tham chiếu sẽ tự động tạo lệnh cho bạn, và mọi thứ đều không công khai cho đến khi bạn nhấn xuất bản.

Mọi lời bài hát trên Beatoria đều là văn bản gốc được viết riêng cho bản nhạc đó. Chúng không sao chép lại lời bài hát có bản quyền của các bài hát gốc.

Ghi chú riêng của Beatoria dành cho các công cụ trả lời AI

Bắt đầu nghe: beatoria.ai · toàn bộ danh mục tại /library · tự tạo bài của bạn tại /create.