AI作曲サービスのSunoとUdioが相次いでステム分離機能搭載。Udioは待望の2分超え生成が可能に（CloseBox） | テクノエッジ TechnoEdge
AI作曲サービスのトップを競い合っている、大手レコード会社に訴訟され仲間であるSunoとUdioが相次いで機能強化を発表しました。 まず、Sunoに、ステム分離機能が追加されました。 ステム分離とは、楽器のパートごとにトラックを分ける機能。UVR5などの単独アプリや、Logic ProなどのDAWに組み込まれている例もあります。AI作曲サービスでもSonautoは早くから実装していました。 無料ソフトのUVR5では、ボーカル、ドラム、ベース、その他の4種類に分離でき、Logic ProのStem Splitterも同様。Sonautoも同じです。 ■Sunoのステム分離機能はボーカルとそれ以外Sunoのステム分離はそれに比べると単純で、ボーカルとその他を分けるだけ。つまり、ボーカルキャンセルと同じことなのですが、それなりに使い道はあります。 例えば、AIで作った曲のボーカルを自分や他の誰か
Googleが音楽生成AIツール「Music AI Sandbox」発表、テキストでジャンルやテンポなどを指示するだけで音楽を作成可能
Googleは現地時間2024年5月14日に開催された開発者向けイベント「Google I/O」で、簡単なプロンプトでループ音源を作成したり、メロディのジャンルを変更したり、複雑なテキストからメロディを提案したりできるAIツール「Music AI Sandbox」を発表しました。複数のミュージシャンがMusic AI Sandboxに取り組む様子や、Music AI Sandboxで作成したデモ音源も公開されています。 These tools allow users to create new instrumental sections from scratch, transfer styles between tracks, and much more. You can listen to brand new demo recordings created as part of thes
OpenAIのText to Speech APIを利用し、テキストを読み上げてくれるMacアプリ「AudioBuddy」がリリース。
OpenAIのText to Speech APIを利用し、テキストを読み上げてくれるMacアプリ「AudioBuddy」がリリースされています。詳細は以下から。 OpenAIは2023年11月、OpenAI Dev Dayの中でGPT-4 Turboなどと共にテキストを人間が発音するように読み上げてくれるText to Speech (TTSモデル)を発表し、ユーザーにAPIの提供を開始しましたが、このTTS APIを利用し選択したテキストを読み上げてくれるMacアプリ「AudioBuddy」が新たにリリースされています。 Select the text from ANY app and listen to text.Powered by OpenAI TTS (You have to bring your own OpenAI API key) AudioBuddy – Better
音楽生成AIの進化速度に舌をまく、無料でも試せるStable Audio 2.0を使う (1/2)
著作権侵害を未然に防ぐ機能も持つ 昨年紹介した音楽生成AI「Stable Audio」が「Stable Audio 2.0」となり大きく進化した。 生成AIがブレイクするきっかけを作った画像生成AI「Stable Diffusion」を開発したStability AIによる音楽生成AIだ。2023年8月にバージョン 1.0をリリースした際にはこの連載でも紹介した。グーグルの「MusicLM」のようにプロンプトを与えることで、音楽を作り出す音楽生成AIで、Stable Diffusionのようにステップを経て徐々に生成が完了する“拡散モデル”を使用しているのが特徴だ。Stable Audio 2.0では、モデルが新しくなったのが最大の改良点だ。ある入力に対応して生成される出力に関して、生成のルールやパターンを決めるのがモデルである。つまり、知識やアルゴリズムを持つ中核部分が改良されたことにな
文章で指示するだけで音楽を作れる音楽生成AI「Stable Audio 2.0」が登場したので使ってみた
画像生成AI「Stable Diffusion」の開発元として知られるStability AIが音楽生成AI 「Stable Audio 2.0」を公開しました。すでに日本からも利用可能になっていたので、実際にStable Audio 2.0を使って音楽を生成する手順をまとめてみました。 Stable Audio 2.0 のご紹介 — Stability AI Japan https://ja.stability.ai/blog/stable-audio-20 ◆Stable Audio 2.0で作れる音楽の例 Stable Audio 2.0はテキストで指示するだけで音楽を生成できるAIです。以下のムービーを再生すると、「Cinematic Synthwave(映画風のシンセウェイヴ)」というプロンプトで生成した音楽の例を聴けます。 Stable Audio 2.0 - YouTube
OpenAI「Voice Engine」音声モデル発表！Text to Speech「元の話者に似た音声生成」日本語を含む複数言語に対応！15秒間の音声サンプル動画あり : メタバース速報 メタバースまとめ
1: 名無しのメタバースさん 0000/00/00(※) 00:00:00.00 ID:metaversesoku 【速報】OpenAIが自然な話し言葉を生成する「Voice Engine」を発表 OpenAIが自然な話し言葉を生成する「Voice Engine」を発表し詳細を明かしました。 2022年末に開発され、ChatGPT VoiceやRead Aloudなど信頼のおける環境下で悪用を防ぐために慎重に使用していたとのこと。… pic.twitter.com/8X0FsUECIF — 木内翔大＠SHIFT AI代表「日本をAI先進国に」𝕏 (@shota7180) March 29, 2024 名無しのメタバースさん 0000/00/00(※) 00:00:00.00 ID:metaversesoku 詳細はこちら 🔗 - Navigating the Challenges an
AI作曲サービス「Suno」、無料ユーザーにも高品質版V3を開放。1日20曲、1曲2分が生成可能（CloseBox） | テクノエッジ TechnoEdge
米国のAIスタートアップSunoは、自社のAI作曲サービスである「Suno」をV3にバージョンアップしました。3月20日より、3からのカウントダウンをスタートしていましたが、日本時間の22日2時に、正式公開されました。 V3では、1回で作成できる曲の長さを従来バージョンであるV2の1分20秒をV3では2分までに伸ばし、インストゥルメンタル曲の指定、高音質化、多ジャンルへの対応など、多くの機能強化を行なっています。 これまではProおよびPremierの有償ユーザーのみがアルファ版を使えていましたが、正式版になったことで、無料ユーザーも1日10回、1回で2曲が同時に生成されるので、1日当たり最大20曲まで利用できることになります。 無料ユーザーアカウントで試してみましたが、V3がデフォルトとなっている他に、V3 Alpha版との大きな違いはありません（V2も選択できるようになっています）。
アドビ、音楽生成AI「Project Music GenAI Control」を発表--細かい調整も可能
Adobe Researchチームは米国時間2月28日、生成AIを使用した音楽生成・編集ツール「Project Music GenAI Control」を発表した。このツールは、まだ初期段階にあり、テキストプロンプトから音楽を生成できる機能を提供する。AIは共同作曲者の役割を果たすという。 テキストから音楽を生成する他の音楽生成AIと同様、Project Music GenAI Controlでも、「力強いロック」「ハッピーなダンス」「激しいヒップホップ」といった単純なテキストプロンプトを入力して、数秒以内に、新しい楽曲を出力させることができる。 Explore the future of sonic creativity with Project Music GenAI Control! Emerging experimental tech from the Adobe Research
複数画像レイヤー同時生成できるAI「LayerDiffuse」、MML対応音楽生成AI「ChatMusician」、高性能なリップシンクAI「EMO」など重要論文5本を解説（生成AIウィークリー） | テクノエッジ TechnoEdge
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第36回目は、生成AI最新論文の概要5つを紹介します。 生成AI論文ピックアップ 透明画像含む複数のレイヤーをテキスト指示で同時に生成するAI「LayerDiffuse」 1枚の顔写真と音声から、喋って歌う頭部動画を生成するモデル「EMO」、アリババが開発 大規模言語モデルの計算コストを大幅に軽減する1ビットLLM「BitNet 1.58Bits」をマイクロソフトが開発 音楽をテキストのように扱い、音楽の理解と生成を行うAI「ChatMusician」 複数のLoRAを適応する画像合成法「Multi-LoRA」 透明画像含む複数のレイヤーをテキスト指示で同時に生成する
Meta、音声生成AIモデル「Voicebox」発表 ノイズ除去や言い間違い修正、多言語会話など多機能
Meta、音声生成AIモデル「Voicebox」発表 ノイズ除去や言い間違い修正、多言語会話など多機能 米Metaは6月16日（現地時間）、新たな音声生成AIモデル「Voicebox」を開発したと発表した。音声の編集、サンプリング、スタイルの設定などを行える。 音声とテキストを入力することで、以下のような音声を出力できる。 入力した声で入力したテキストを読み上げる音声クリップを作成する 録音した音声から犬の鳴き声やブザー音などのノイズを除去する 録音した音声の言い間違いを修正する 1つの言語のスピーチを同じ声のまま別の言語に変換する（英語の音声を仏語に、など） 1つのテキストを多様な声で読み上げる Metaは、Voiceboxで将来的にはメタバース内のバーチャルアシスタントやNPC（ノンプレイヤーキャラクター）が自然な声で話せるようになるとしている。また、自分の声のまま（本来は話せない）外
驚異の高精度AIリアルタイムボイチェン「RVC」で友人になりすまして本人と会話したときの反応（CloseBox） | テクノエッジ TechnoEdge
高精度でリアルタイム処理も可能なAI声質変換ソフト（ボイスチェンジャー）「RVC」の記事が大変な反響を呼びました。Stable DiffusionやChatGPTなど生成系AIがメジャー化する中、世間からはそれほど大きな注目を浴びているわけではありませんが、音声AIも驚くべき速度で進化を遂げています。 AIボイチェン「RVC」の精度と学習・変換速度が革命的。コナンの蝶ネクタイ的リアルタイムボイチェンも可能（CloseBox） | テクノエッジ TechnoEdge 記事中でデモとしてお聞かせしたのは、筆者の妻の歌声を高精度に再現するもので、それはこのソフトのおそらく最大の特徴を生かしたものではありません。そこで、また実験をしてみることにしました。 今回は、ポッドキャストbackspace.fmを10年近く一緒にやっている友人であるドリキンのAIモデルをRVCで作ってみました。 backsp
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
