ગૂગલ ડીપમાઇન્ડનું નવું AI મ્યુઝિક મોડેલ લોન્ચ થયું, જાણો શું છે ખાસ
આર્ટિફિશિયલ ઇન્ટેલિજન્સના ક્ષેત્રમાં વધુ એક મોટું પગલું ભરતા, ગૂગલ ડીપમાઇન્ડે તેનું નવું મ્યુઝિક જનરેશન મોડેલ, લિરિયા 3 રજૂ કર્યું છે. કંપનીના જણાવ્યા અનુસાર, આ એડવાન્સ્ડ AI મોડેલ હવે જેમિની એપ દ્વારા એન્ડ્રોઇડ અને iOS વપરાશકર્તાઓ માટે ઉપલબ્ધ છે.
તેનો ઉદ્દેશ્ય સરળ ટેક્સ્ટ સૂચનાઓ પર આધારિત વ્યાવસાયિક-ગુણવત્તાવાળા સંગીત બનાવવાનો છે, જે સર્જકોને ઝડપી અને સરળ સંગીત ઉત્પાદન વિકલ્પ પ્રદાન કરે છે.
ટેક્સ્ટમાંથી સંપૂર્ણ સંગીત ટ્રેક બનાવવામાં આવશે
જેમિનિની એપમાં લિરિયા 3 નો ઉપયોગ કરીને, વપરાશકર્તાઓ 30 સેકન્ડ સુધીના મૂળ સંગીત ટ્રેક જનરેટ કરી શકે છે. વપરાશકર્તાઓએ ફક્ત સ્પષ્ટ કરવાની જરૂર છે:
- ઇચ્છિત શૈલી
- ઇચ્છિત મૂડ (રોમેન્ટિક, ઊર્જાસભર, સસ્પેન્સફુલ, વગેરે)
- ઇચ્છિત ટેમ્પો અથવા ગતિ
- ઉપયોગ કરવા માટેના સાધનો
મોડેલ આ સંકેતોનું અર્થઘટન કરે છે અને પૃષ્ઠભૂમિ સંગીત, સ્તરીય સાધનો અને સંતુલિત ઑડિઓ આઉટપુટ સાથે ફિનિશ્ડ ક્લિપ પ્રદાન કરે છે.
પહેલા કરતાં વધુ સ્માર્ટ અને નિયંત્રણ સાથે
કંપનીનો દાવો છે કે લિરિયા 3 તેના અગાઉના સંસ્કરણો કરતાં વધુ અદ્યતન છે. તે હવે સંકેતો પર આધારિત ગીતો પણ જનરેટ કરી શકે છે.
વપરાશકર્તાઓ શૈલી, ગાયક સ્વર અને ટેમ્પો જેવા પાસાઓ પર વધુ નિયંત્રણ મેળવે છે. વધુમાં, સુધારેલ ધ્વનિ ગુણવત્તા અને લાંબી રચનાઓમાં લય જાળવવાની ક્ષમતા પણ ઉમેરવામાં આવી છે.
ફોટા અને વિડિઓઝમાંથી સાઉન્ડટ્રેક પણ બનાવી શકાય છે
Lyria 3 ફક્ત ટેક્સ્ટ ઇનપુટ સુધી મર્યાદિત નથી. જો કોઈ વપરાશકર્તા સૂર્યાસ્ત અથવા મુસાફરી વિડિઓનો ફોટો અપલોડ કરે છે, તો મોડેલ તે દ્રશ્યના મૂડ સાથે મેળ ખાતો સાઉન્ડટ્રેક બનાવી શકે છે.
દરેક ટ્રેકમાં AI-જનરેટેડ કવર આર્ટ પણ ઉમેરી શકાય છે, જેનાથી તેને સોશિયલ મીડિયા અથવા ડિજિટલ પ્લેટફોર્મ પર શેર કરવાનું સરળ બને છે.
વધુમાં, Google આ ટેકનોલોજીને YouTube ડ્રીમ ટ્રેક સાથે એકીકૃત કરી રહ્યું છે, જ્યાં સર્જકો શોર્ટ્સ અને અન્ય ફોર્મેટ માટે વિવિધ સંગીત શૈલીઓ સાથે પ્રયોગ કરી શકશે.
પારદર્શિતા માટે વોટરમાર્કિંગ
AI-નિર્મિત સામગ્રીની ઓળખ સુનિશ્ચિત કરવા માટે, Google એ Lyria 3 માં SynthID વોટરમાર્કિંગ ટેકનોલોજીનો સમાવેશ કર્યો છે. આ એક અદ્રશ્ય ડિજિટલ માર્કર ઉમેરે છે જે સ્પષ્ટ કરે છે કે ઑડિઓ AI દ્વારા બનાવવામાં આવ્યો હતો.
મલ્ટિમોડલ AI સ્ટ્રેટેજીનો ભાગ
ગુગલના મતે, Lyria 3 એ કંપનીની મલ્ટિમોડલ AI સ્ટ્રેટેજીનો ભાગ છે, જે ટેક્સ્ટ, છબીઓ, ઑડિઓ અને વિડિયોને એક જ ઇકોસિસ્ટમમાં એકીકૃત કરવા પર ધ્યાન કેન્દ્રિત કરે છે.
આ સુવિધા હાલમાં 18 વર્ષથી વધુ ઉંમરના વપરાશકર્તાઓ માટે બહુવિધ ભાષાઓમાં ઉપલબ્ધ છે અને તેને તબક્કાવાર રીતે મોબાઇલ એપ્લિકેશનમાં વિસ્તૃત કરવામાં આવશે.
