Geração de música e efeitos
Gerar música ou efeito sonoro a partir de uma descrição
O texto completo é apresentado em inglês; o título e o resumo estão traduzidos.
O QUE ESTA CAPACIDADE SIGNIFICA
Takes a text description, optionally with lyrics or a style reference, and outputs audio — a full song, an ambient bed or a sound effect. It must handle melody, harmony, arrangement and timbre at once, adding a layer of musical structure on top of speech synthesis. Unlike text-to-speech the output is not language but rhythmically and tonally organised audio.
Como é feita tecnicamente
The mainstream uses an audio latent representation with diffusion or autoregressive generation: audio is first compressed into discrete or continuous tokens, generated under conditioning, and decoded back to a waveform. Structural tags during training teach the model the order of intro, verse and chorus. Lyrics and vocals are produced by separate alignment and synthesis modules and then mixed with the accompaniment into a finished track.
Produtos representativos
3Suno
2023Gera músicas completas com vocais a partir de uma única descrição
Lyria
2023Gera música instrumental e vocal a partir de instruções de texto
ElevenLabs
2022Um serviço multilíngue de texto para fala com vozes naturais e clonáveis
Organizações relacionadas
Usos típicos
- Background music for short video and podcasts
- Sound effects for games and apps
- Scores for ads and promotional films
- Creative demos and arrangement ideas
Como avaliar se funciona bem
- FAD
- Distribution distance between generated and real music; lower is better
- MOS
- Mean opinion score for listening quality
- Human preference
- Pairwise judgement of melodic and arrangement appeal
Limites e dificuldades
- Long-form structure collapses: chorus returns and arrangement layers fail to hold together
- Lyrics and melody misalign and enunciation blurs, with mispronounced or swallowed syllables
- Imitating the style of a living artist under copyright carries risk and needs checking before commercial use
Conceitos por trás
Modelos de difusão
Aprenda mil pequenos passos de remoção de ruído e criará uma imagem a partir de ruído puro
Visão geral dos modelos generativos
Modelos discriminativos respondem "o que é isto"; generativos, "como deveria parecer"
Autoencoders e VAE
Comprima a informação por um gargalo e deixe-a crescer de volta