Một nhà phát triển đã đăng tải một mô hình transformer với 125 triệu tham số lên Hacker News, có khả năng tự động hoàn thiện các giai điệu piano hoàn toàn trên máy tính xách tay hoặc điện thoại mà không cần kết nối đám mây. Giờ đây, các nhạc sĩ có thể nhận được các gợi ý từng nốt nhạc trong thời gian thực trong khi vẫn giữ kín mọi ý tưởng sáng tạo.

Tại sao AI âm nhạc chạy trên thiết bị lại quan trọng

Độ trễ sẽ giết chết dòng chảy sáng tạo. Thậm chí chỉ một mili giây chậm trễ cũng có thể làm mất đi nhịp điệu (groove). Việc chạy mô hình cục bộ giúp đưa ra các gợi ý chỉ trong vài mili giây, loại bỏ mọi sự chậm trễ có thể nhận thấy được.

Quyền riêng tư cũng quan trọng không kém. Vì mô hình nằm ngay trên thiết bị, các bản phác thảo của người biểu diễn sẽ không bao giờ rời khỏi phần cứng mà họ sở hữu.

Khả năng hoạt động ngoại tuyến cho phép công cụ này hoạt động trong bất kỳ không gian tập luyện, địa điểm biểu diễn hay studio từ xa nào nơi Wi-Fi chập chờn hoặc không có. Một chiếc máy tính xách tay nhỏ hoặc máy tính bảng hiện đại sẽ trở thành một trợ lý sáng tạo độc lập.

Cách thức hoạt động của mô hình

Hệ thống coi một bản trình diễn piano như một ngôn ngữ. Nó chuyển đổi các sự kiện MIDI—note-on, note-off, velocity—thành một chuỗi token và đưa chuỗi đó vào một mô hình transformer. Các mô hình transformer rất xuất sắc trong việc dự đoán mục tiếp theo, điều này tương ứng trực tiếp với câu hỏi “nốt nhạc tiếp theo là gì?” trong âm nhạc.

Nhà phát triển đã áp dụng kỹ thuật lượng tử hóa (quantization), giảm mỗi trọng số xuống định dạng có độ chính xác thấp hơn. Điều này giúp thu nhỏ kích thước tệp và cắt giảm đáng kể khối lượng tính toán cần thiết.

Những gì công cụ này thực sự có thể làm

  • Gợi ý các đoạn tiếp nối cho các phân đoạn giai điệu ngắn, mở rộng một câu nhạc trong khi vẫn giữ được sự mạch lạc về âm nhạc.
  • Tuân thủ các dấu hóa (key signatures) và các ràng buộc về âm giai, tránh các nốt ngoài tông gây cảm giác chói tai.
  • Mô phỏng phong cách xung quanh, cho dù đầu vào là một câu lướt jazz (jazz lick), một hợp âm rải cổ điển (classical arpeggio), hay một đoạn nhạc pop (pop hook).
  • Giúp vượt qua sự bế tắc sáng tạo bằng cách đưa ra những ý tưởng mới mẻ khi người soạn nhạc cảm thấy bị mắc kẹt.

Những tính năng này khiến hệ thống hoạt động giống như tính năng tự động hoàn thiện trong một trình soạn thảo văn bản—nhưng dành cho âm nhạc. Nó đóng vai trò như một đối tác hỗ trợ, chứ không phải sự thay thế cho sự phán đoán của con người.

Những hạn chế của mô hình

  • Nó không thể tạo ra một bản soạn nhạc hoàn chỉnh, chẳng hạn như một tác phẩm dài 64 nhịp, nếu không có sự hướng dẫn của con người.
  • Nó không sáng tạo ra các thể loại hoàn toàn mới; kết quả đầu ra vẫn nằm trong phạm vi thống kê của dữ liệu huấn luyện.

Trong thực tế, các nhạc sĩ vẫn đánh giá, chỉnh sửa và định hình các gợi ý, giống như cách một người viết chỉnh sửa các câu văn từ một trình kiểm tra lỗi chính tả