DiffRhythm آپریشن میں

DiffRhythm ایک AI گانا بنانے والا ماڈل ہے جسے شمال مغربی پولی ٹیکنیکل یونیورسٹی کی ASLP لیبارٹری نے تیار کیا ہے۔ یہ بول کے متن اور طرز کی ہدایات کو تخلیقی اِن پٹ کے طور پر استعمال کرتے ہوئے آواز اور ساز دونوں پر مشتمل مکمل گانے تیار کرتا ہے۔

یہ ٹول لیٹنٹ ڈفیوژن ماڈل استعمال کرتا ہے اور اوپن سورس ماڈل و استدلالی کوڈ فراہم کرتا ہے، اس لیے اسے موسیقی تخلیق کرنے کے تجربے، تحقیق اور مزید ترقی، تینوں کے لیے استعمال کیا جا سکتا ہے۔

صارف بول درج کر سکتا ہے اور گانے کی تخلیق کی رہنمائی کے لیے “پاپ” یا “لوک” جیسی طرز کی ہدایات دے سکتا ہے۔ یہ ٹول چینی اور انگریزی گانوں کی معاونت کرتا ہے اور ایک بار میں آواز و ساز کے ساتھ مکمل آڈیو تیار کر سکتا ہے، جس کا زیادہ سے زیادہ دورانیہ تقریباً4分45秒 ہے۔

دستیاب معلومات کے مطابق، ایک بار کی تخلیق میں عموماً تقریباً10秒 لگتے ہیں۔ اصل تخلیقی نتیجہ درج کیے گئے بول، طرز کی وضاحت اور عملی چلانے کے ماحول پر منحصر ہوتا ہے۔

موسیقی کے پروڈیوسر اسے گانے کے نمونے تیزی سے جانچنے اور دھن و ساز بندی کی سمت طے کرنے میں معاونت کے لیے استعمال کر سکتے ہیں۔ مختصر ویڈیوز اور دیگر مواد کے تخلیق کار اسے پسِ منظر کی موسیقی کا مسودہ تیار کرنے کے لیے استعمال کر سکتے ہیں۔

AI آڈیو میں دلچسپی رکھنے والے ڈویلپرز اور محققین اوپن سورس ماڈل و استدلالی کوڈ کی بنیاد پر تحقیق یا مزید ترقی کر سکتے ہیں، جبکہ موسیقی کے شائقین بول اور طرز کی ہدایات سے آغاز کرکے مکمل گانے تیار کرنے کا تجربہ کر سکتے ہیں۔

DiffRhythm تخلیقی تصدیق، گانے کے نمونے اور ابتدائی آڈیو پروڈکشن کے لیے زیادہ موزوں ہے۔ اگرچہ تیار کردہ گانوں میں آواز اور ساز شامل ہوتے ہیں، لیکن اس کا مطلب یہ نہیں کہ وہ ہر قسم کی اشاعت یا پروڈکشن کی ضروریات فوراً پوری کر دیں گے۔ صارفین کو آواز کے معیار، گائیکی کی کارکردگی، بول کی وضاحت اور مجموعی طرز کے لحاظ سے جانچ اور بعد از پروڈکشن کرنی ہوگی۔

پروجیکٹ کی معلومات میں تجارتی استعمال کی مخصوص شرائط، آؤٹ پٹ مواد کے جائزے کا طریقۂ کار یا مختلف چلانے کے ماحول کے وسائل سے متعلق تقاضے بیان نہیں کیے گئے۔ رسمی استعمال سے قبل متعلقہ قواعد کی خود تصدیق کر لینی چاہیے۔