هوش مصنوعی در تولید آهنگ به پیشرفت‌های چشمگیری دست یافته است. اکنون، رقیبی نسبتاً کمتر شناخته شده، توانسته است در عرصه موسیقی هوش مصنوعی، از بزرگترین نام این حوزه یعنی Suno پیشی بگیرد.
ACE Music v1، که توسط ACE Studio توسعه یافته است، با کسب ۱۱۶۰ امتیاز Elo در صدر جدول رده‌بندی موسیقی آوازی Artificial Analysis قرار گرفته و از امتیاز ۱۱۴۴ مدل Suno v6 پیشی گرفته است. این در حالی است که Suno همچنان در صدر جدول مجزای موسیقی بی‌کلام باقی مانده است.
محک زدن کیفیت موسیقی
شاخص AA-Music-Vocal v1.1، کیفیت آهنگ‌های تولید شده توسط هوش مصنوعی را که شامل وکال هستند، می‌سنجد. در این ارزیابی، شرکت‌کنندگان به آهنگ‌هایی که با ورودی‌های یکسان تولید شده‌اند، گوش می‌دهند بدون اینکه بدانند کدام مدل آنها را ساخته است و سپس آهنگ مورد علاقه خود را انتخاب می‌کنند. این ترجیحات، امتیازدهی به سبک Elo را تعیین می‌کنند که امتیازات بالاتر نشان‌دهنده ترجیح قوی‌تر شنوندگان است.
این برتری نسبتاً کم است و بازه‌های اطمینان آماری مدل‌ها همپوشانی دارند. مدل ACE Music v1 که در سال ۲۰۱۸ تأسیس شد، در ابتدا بر سنتز صداهای خوانندگی از نت‌های MIDI و اشعار تمرکز داشت. اما آخرین مدل آن، ACE Music v1، آهنگ‌های کامل را از توضیحات متنی یا اشعار ارائه شده توسط کاربر تولید می‌کند.
تجربه عملی و مقایسه
در تست‌های عملی Decrypt، ACE Music به طور مداوم آهنگ‌های ملودیک‌تر و منسجم‌تری را در سبک‌های رایج تولید کرد. صداهای وکال نیز طبیعی‌تر به نظر می‌رسیدند و مصنوعات مصنوعی کمتری داشتند که گاهی اوقات خوانندگان هوش مصنوعی را در تلفظ اشعارشان، استفاده زیاد از اتوتیون یا هذیان‌گویی برای پر کردن فضاها، دچار مشکل می‌کند.
ACE همچنین در پایان‌بندی آهنگ‌ها عملکرد بهتری داشت. در حالی که Suno گاهی اوقات صداهای عجیب، تکرارهای غیرضروری، هذیان‌ها یا تغییرات ناگهانی موسیقی را در انتهای آهنگ معرفی می‌کند، ACE معمولاً ساختار خود را حفظ کرده و پایان‌بندی‌های تمیزتری ارائه می‌دهد.
محدودیت‌ها و برتری‌های Suno
با این حال، Suno همچنان در ژانرهای کمتر مرسوم برتری داشت. در تست سبک ملودیک دث متال، ACE به طور مداوم آهنگ‌هایی با صدای زنانه و واضح تولید می‌کرد که فاقد لحن خشن مورد انتظار از سبک درخواستی بود. در مقابل، Suno تنظیمات خلاقانه‌تری را در سبک‌های سنگین‌تر ارائه داد و در چندین درخواست مشابه، انسجام سبکی بهتری را نشان داد.
این نتایج بیشتر ذهنی بودند تا یک محک استاندارد، اما نشان دادند که چرا پیروزی در یک جدول رده‌بندی لزوماً یک مدل را برای هر موسیقیدانی بهتر نمی‌کند.
قابلیت‌های فراتر از تولید آهنگ
یکی از جذاب‌ترین ویژگی‌های ACE، گردش کار آهنگسازی آن است. قابلیت "ایده" این مدل می‌تواند یک مفهوم اولیه را به شعر و یک ترکیب ساختاریافته توسعه دهد و بخش‌های مجزا را شناسایی کرده و نحوه چیدمان آنها را توصیف کند. سپس کاربران می‌توانند به جای تولید مکرر آهنگ‌های کاملاً جدید، مواد موجود را اصلاح کنند. نسخه v1.1 پیش‌نمایش، با ایجاد یک پارتیتور موسیقی قبل از تولید صدا، گام را فراتر می‌گذارد. کاربران می‌توانند ملودی‌ها و آکوردها را ویرایش کنند، اجراها را بازسازی کنند، فایل‌های MIDI را صادر کنند و وکال‌ها را از سازها جدا کنند.
این گردش کار، ACE را به یک دستیار تولید موسیقی شبیه‌تر می‌کند تا یک برنامه ساده "ورودی به آهنگ".
آینده متن‌باز
مدل اصلی ACE Music v1 همچنان متن‌باز نیست و هیچ API عمومی ندارد، بنابراین کاربران فقط می‌توانند از طریق وب‌سایت رسمی تولید کنند. با این حال، توسعه‌دهندگان آن در حال پیگیری یک استراتژی موازی متن‌باز هستند. ACE Studio و StepFun، خانواده‌ای جداگانه از مدل‌ها به نام ACE-Step 1.5 را منتشر کرده‌اند که کد و وزن‌های آن به صورت عمومی در دسترس هستند. این مدل‌ها را می‌توان بر روی سخت‌افزار کاربران اجرا کرد، اما قدرت کمتری دارند. این شرکت همچنین وعده انتشار دیگری را داده است: "ما قصد داریم ACE Music v1 Flash را در اواخر سال ۲۰۲۶ متن‌باز کنیم." این نسخه با هدف تعادل بین کیفیت، سرعت تولید و الزامات سخت‌افزاری طراحی شده است.
ACE Music از طریق اپلیکیشن مرورگر آن در دسترس است، با یک لایه رایگان محدود و اشتراک‌های پولی. حقوق استفاده تجاری برای آهنگ‌های مدل اصلی نیازمند طرح پولی است، در حالی که ACE-Step گزینه تولید رایگان جداگانه‌ای را ارائه می‌دهد. در حال حاضر، ACE Music v1 با ۱۶ امتیاز Elo از Suno v6 در تولید وکال پیشتاز است. انتشار Flash آن، مدلی دیگر را برای امتحان کردن در اختیار کاربران محلی قرار خواهد داد.
