DiffRhythm চালু আছে

DiffRhythm হলো উত্তর-পশ্চিম পলিটেকনিক্যাল বিশ্ববিদ্যালয়ের ASLP ল্যাবরেটরি разработিত একটি AI গান তৈরির মডেল। এটি লিরিক্সের টেক্সট ও স্টাইলের নির্দেশনাকে সৃজনশীল ইনপুট হিসেবে ব্যবহার করে ভোকাল ও ব্যাকিং ট্র্যাকসহ সম্পূর্ণ গান তৈরি করে।

টুলটি ল্যাটেন্ট ডিফিউশন মডেল ব্যবহার করে এবং ওপেন-সোর্স মডেল ও ইনফারেন্স কোড সরবরাহ করে। তাই এটি সংগীত তৈরির অভিজ্ঞতার পাশাপাশি গবেষণা ও পরবর্তী উন্নয়নের ভিত্তি হিসেবেও ব্যবহার করা যায়।

ব্যবহারকারী লিরিক্স লিখতে পারেন এবং “পপ”, “ফোক” ইত্যাদি স্টাইলের নির্দেশনার মাধ্যমে গান তৈরির দিকনির্দেশ দিতে পারেন। টুলটি চীনা ও ইংরেজি গান সমর্থন করে এবং একবারে ভোকাল ও ব্যাকিং ট্র্যাকসহ সর্বোচ্চ প্রায় 4 মিনিট 45 সেকেন্ড দৈর্ঘ্যের সম্পূর্ণ অডিও তৈরি করতে পারে।

তথ্য অনুযায়ী, একবারের জেনারেশনে সাধারণত প্রায় 10 সেকেন্ড সময় লাগে। নির্দিষ্ট ফলাফল ইনপুট লিরিক্স, স্টাইলের বিবরণ এবং প্রকৃত রানটাইম পরিবেশের ওপর নির্ভর করে।

সংগীত প্রযোজকেরা দ্রুত গানের ডেমো যাচাই করতে এবং সুর ও অ্যারেঞ্জমেন্টের দিক নির্ধারণে এটি ব্যবহার করতে পারেন। স্বল্পদৈর্ঘ্য ভিডিও ও অন্যান্য কনটেন্ট নির্মাতারা ব্যাকগ্রাউন্ড মিউজিকের খসড়া তৈরিতেও এটি ব্যবহার করতে পারেন।

AI অডিওতে আগ্রহী ডেভেলপার ও গবেষকেরা ওপেন-সোর্স মডেল এবং ইনফারেন্স কোডের ভিত্তিতে গবেষণা বা পরবর্তী উন্নয়ন করতে পারেন। সংগীতপ্রেমীরা লিরিক্স ও স্টাইলের নির্দেশনা দিয়ে সম্পূর্ণ গান তৈরির চেষ্টা করতে পারেন।

DiffRhythm সৃজনশীল ধারণা যাচাই, গানের ডেমো এবং প্রাথমিক অডিও তৈরির জন্য বেশি উপযোগী। তৈরি গানে ভোকাল ও ব্যাকিং ট্র্যাক থাকলেও তা সব ধরনের প্রকাশনা বা প্রযোজনার প্রয়োজন সরাসরি পূরণ করবে, এমন নয়। ব্যবহারকারীকে অডিওর গুণমান, পরিবেশনার মান, লিরিক্সের স্বচ্ছতা এবং সামগ্রিক স্টাইল পরীক্ষা করে পরবর্তী প্রক্রিয়াকরণ করতে হবে।

প্রকল্পের তথ্যে নির্দিষ্ট বাণিজ্যিক ব্যবহারের শর্ত, আউটপুট কনটেন্ট পর্যালোচনার ব্যবস্থা বা বিভিন্ন রানটাইম পরিবেশের রিসোর্সের প্রয়োজনীয়তা উল্লেখ করা হয়নি। আনুষ্ঠানিক ব্যবহারের আগে সংশ্লিষ্ট নিয়ম নিজে যাচাই করা উচিত।