Áudio é a mais recente ferramenta musical de inteligência artificial a chegar ao mercado, saindo do sigilo com um estrondo ao revelar uma capacidade incrível de capturar emoções em vocais sintéticos.
Idealizada por ex-engenheiros do Google DeepMind, a plataforma já atraiu investimento e atenção de partes da comunidade musical, incluindo will.i.am e Common.
Algumas faixas vazaram antes do grande lançamento no X e em outras plataformas, levando à especulação sobre o quão boa essa nova ferramenta de IA poderia ser. Estou tentando há pouco mais de uma semana e, na minha opinião, é um momento semelhante ao Sora para a música de IA.
Ele tem a mesma capacidade de criar uma faixa completa a partir de um prompt de texto que o Suno – que ainda é uma ferramenta impressionante – mas tem vocais muito melhores e um som mais natural.
A capacidade de capturar não apenas a emoção de uma música, mas também de gerar o bizarro e o inesperado, ao mesmo tempo que mantém a fidelidade e a coesão musical, é surpreendente. Por exemplo, gerei todas as faixas desta história, mesclando gêneros inusitados com facilidade.
O que é áudio?
Tive a oportunidade de conversar com os fundadores David Ding e Andrew Sanchez sobre o Udio e eles me disseram que foi inspirado pelo desejo de facilitar a criação e o compartilhamento de música.
“Este é um momento mágico”, disse Sanchez. “É realmente mágico para as pessoas irem do zero a alguma coisa.” É por isso que eles decidiram se concentrar, pelo menos inicialmente, em ser capaz de criar uma música completa a partir do texto – para dar pessoas naquele evento “uau”.
As atualizações futuras incluirão ferramentas mais focadas em músicos, incluindo a capacidade de adicionar vocais de referência, opções de criação mais granulares e fácil importação de faixas externas. Por enquanto o foco está na construção de uma biblioteca de faixas incríveis inspiradas em pessoas com nenhuma ou mínima habilidade musical.
As atualizações futuras incluirão ferramentas mais focadas em músicos, incluindo a capacidade de adicionar vocais de referência, opções de criação mais granulares e fácil importação de faixas externas.
A dupla não se baseou na arquitetura subjacente do modelo ou nos dados de treinamento, mas disse que possui fortes medidas de proteção de direitos autorais em vigor. Por exemplo, você não pode fazer referência a nenhum artista específico como Suno, mas também bloqueia uma faixa se ela soar como um artista.
Como funciona o Áudio?
Como qualquer ferramenta de IA, ela começa com texto. Você digita um prompt e clica em gerar e isso criará duas faixas completamente diferentes para esse tema. No entanto, você também pode dar sua própria letra, torná-la instrumental ou adicionar tags de gênero mais específicas para orientar a geração.
Depois de brincar com ele por uma semana, descobri que você obtém a geração mais precisa, fornecendo uma letra aproximada de uma linha e uma história que orienta a direção do modelo de texto e, em seguida, um gênero descritivo para definir a direção do modelo musical.
Quando uma faixa é gerada, ele pide a tarefa, primeiro para criar a letra usando um modelo tradicional de linguagem grande e, em seguida, para criar a música usando o que presumo ser um modelo de transformador de difusão semelhante aos encontrados no Sora da OpenAI ou no Stable Diffusion 3 – embora isso não foi confirmado pela equipe Udio.
Os usuários podem então publicar a faixa para que a comunidade possa aproveitá-la, baixar o arquivo de áudio ou vídeo para compartilhar em outras plataformas de mídia social ou desenvolver outro projeto.
Um caso de uso que a equipe e alguns dos artistas com quem trabalharam apontaram é o potencial de usar o Udio como auxílio na composição. Ser capaz de pegar um conjunto de letras, definir uma melodia e criar uma demo instantânea para enviar aos artistas para ser gravada em um estúdio real.
“Este é um novo Renascimento e o Udio é a ferramenta para a criatividade desta era – com o Udio você é capaz de criar músicas através da IA e da sua imaginação”, disse will.i.am.
Quão bem o Udio funciona?
Em menos de um minuto, fui capaz de criar uma faixa de bluegrass gótica assustadora, mas impressionante, sobre uma cidade assombrada. Consegui selecionar uma das faixas geradas e estendê-la – com controles granulares como adicionar uma introdução, um segmento antes ou depois ou um final.
A música resultante deveria ser uma mistura de gêneros mistos, mas foi surpreendentemente eficaz. O modelo de IA foi capaz de criar algo atraente, original e um tanto estranho – tudo a partir de texto.
A equipe continua encontrando novas habilidades que não sabiam que Udio tinha. “Recentemente percebi que poderia tocar música folclórica tradicional chinesa”, disse Ding. “Ouvi bom coreano, japonês e outras línguas.”
Este é um novo Renascimento e o Udio é a ferramenta para a criatividade desta era – com o Udio você pode criar músicas por meio da IA e da sua imaginação,
William
“Não há nada disponível que se compare à facilidade de uso, qualidade de voz e musicalidade do que alcançamos com o Udio – é uma verdadeira prova das pessoas que envolvemos”, disse ele.
No futuro, eles estão trabalhando para adicionar suporte para mais idiomas, a capacidade de pidir hastes de faixas inpiduais e, potencialmente, até mesmo a capacidade de especificar o vocalista – mas por enquanto o foco deles é construir uma comunidade em torno do Udio.
Uma coisa que pudemos ver é o Udio sendo usado como alternativa ao envio de um gif. Ou permitir que as pessoas se expressem na forma de uma música para um ente querido ou compartilhem uma emoção. Você pode enviar uma mensagem de 30 segundos sobre o aniversário de um ente querido em vez de enviar um cartão.
- Obtive acesso antecipado ao LTX Studio para fazer curtas-metragens de IA
- Acabei de experimentar a nova ferramenta de vídeo Assistive AI – e seu realismo é incrível
- Conheça o LTX Studio – acabei de ver o futuro das ferramentas de vídeo de IA que podem ajudar a criar filmes completos