સુનો AI v3: AI-જનરેટેડ રેડિયો-ગુણવત્તાવાળું સંગીત

સુનો એઆઈ વી૩ તે એક મોટી છલાંગ તરીકે ઉભરી આવે છે કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરીને સંગીત નિર્માણમાં: કોઈપણ વ્યક્તિ થોડીક સેકન્ડોમાં ગાયન અને નિર્માણ દ્વારા થોડા શબ્દોને સંપૂર્ણ ગીતમાં ફેરવી શકે છે. આ વચન મહત્વપૂર્ણ છે: પ્રસારણ-ગુણવત્તાવાળા પરિણામો અને સર્જનાત્મક શક્યતાઓ જે અગાઉ વ્યાવસાયિક સ્ટુડિયો માટે અનામત હતી.

કંપની સમજાવે છે કે તેનું ત્રીજું મુખ્ય સંસ્કરણ આ સાથે આવે છે વધુ શૈલીઓ, વધુ સારી ઑડિઓ વફાદારી, અને વધુ ઝડપી પ્રતિભાવભ્રમણા ઘટાડવા અને વધુ કુદરતી અંત પ્રાપ્ત કરવા છતાં, તેનો ઉપયોગ પહેલાથી જ પુરસ્કાર વિજેતા કલાકારો દ્વારા કરવામાં આવે છે, પરંતુ તેનો પ્રાથમિક સમુદાય એવા સામાન્ય લોકોનો રહે છે જેઓ પહેલીવાર સંગીત બનાવવાનો પ્રયાસ કરી રહ્યા છે. કોઈપણ વ્યાપકપણે વપરાતી ભાષાઅને ઘર્ષણ વગર.

સુનો એઆઈ v3 શું છે અને તે શા માટે મહત્વપૂર્ણ છે?

નવું v3 કંપનીનું પહેલું મોડેલ છે જે સક્ષમ છે ગીતો બનાવો રેડિયો પ્રસારણ જેટલું જ પોલિશ સ્તર સાથે, બે મિનિટ સુધીના સંપૂર્ણ ટ્રેક તેઓ થોડી જ વારમાં તૈયાર થઈને પહોંચી જાય છે. તે તેની વેબ એપ્લિકેશન દ્વારા વિશ્વભરમાં ઉપલબ્ધ છે, જેની સીધી ઍક્સેસ અહીંથી મળી શકે છે એપ.સુનો.આઈતેથી તેમાં પ્રવેશવા અને તેને અજમાવવા માટે કોઈ ખાસ ઇન્સ્ટોલેશન કે સાધનોની જરૂર નથી.

આ પ્રકાશન અચાનક બહાર આવ્યું નથી: સુનો AI v3 આલ્ફાના પરીક્ષણ સમયગાળા પછી, કંપની પ્રો અને પ્રીમિયર યોજનાઓ ધરાવતા લોકોનો ડીબગ કરવામાં અને સુધારાઓને પ્રાથમિકતા આપવામાં મદદ કરવા બદલ આભાર માને છે. તે સમુદાય તરફથી પ્રતિસાદ આ સૌથી વધુ દૃશ્યમાન નવી સુવિધાઓમાં પ્રતિબિંબિત થાય છે: ધ્વનિ ગુણવત્તામાં ઉછાળો, શૈલીઓનો વિસ્તૃત કેટલોગ, અને તમારા પ્રોમ્પ્ટમાં તમે જે વિનંતી કરો છો તેનું વધુ સુસંગત પાલન.

ટીમ સૂચવે છે કે તેઓ હજુ પણ તેમની સફરના પ્રારંભિક તબક્કામાં છે. તેઓ ધ્યાન કેન્દ્રિત કરીને પુનરાવર્તન ચાલુ રાખશે ત્રણ અક્ષો: ગુણવત્તા, નિયંત્રણ અને ગતિહકીકતમાં, તેઓ પહેલેથી જ સંસ્કરણ 4 પર કામ કરી રહ્યા છે અને જાહેરાત કરી છે કે રસોઈની નવી સુવિધાઓ છે જે પછીથી રિલીઝ કરવામાં આવશે, ઘડિયાળ રોક્યા વિના સતત વિકાસ સાથે.

આ સંસ્કરણની સત્તાવાર રજૂઆત આ માટે સુનિશ્ચિત થયેલ છે 27 ફેબ્રુઆરી 2025ગેરી વ્હિટ્ટેકર દ્વારા હસ્તાક્ષરિત જાહેરાત સાથે. ટેકનિકલ સીમાચિહ્ન ઉપરાંત, પ્લેટફોર્મની ફિલસૂફી પર ભાર મૂકવામાં આવ્યો છે: સંગીતને દરેક માટે સુલભ બનાવવું, જેઓ ફક્ત ટેક્સ્ટમાં એક વિચારનું યોગદાન આપે છે તેમનાથી લઈને જેઓ ગીતના શબ્દો, વાતાવરણ અને રચનાને ચોકસાઈથી વ્યાખ્યાયિત કરવાનો પ્રયાસ કરે છે.

તેનો ઉપયોગ કેવી રીતે કરવો: સરળ પ્રોમ્પ્ટથી કસ્ટમ ફોન્ટ સર્જક સુધી

વપરાશકર્તા અનુભવ બે પૂરક માર્ગો માટે પરવાનગી આપે છે. એક તરફ, તમે સામાન્ય વિચાર સાથે એક ટૂંકો પ્રોમ્પ્ટ લખી શકો છો અને સિસ્ટમને રચના, ગાયન અને વાદ્ય ગોઠવણી સંભાળવા દો; બીજી તરફ, વધુ વિગતવાર મોડ છે, કસ્ટમ સર્જકજ્યાં તમે જે ગીતો ગાવવા માંગો છો તે ચોક્કસ શબ્દો પણ દાખલ કરી શકો છો.

બંને કિસ્સાઓમાં, સુનો AI v3 બતાવે છે કે સૂચનાઓની વધુ સારી સમજ અગાઉના પુનરાવર્તનોની તુલનામાં, આનો અર્થ એ છે કે ઓછા અણધાર્યા ચકરાવો, ઓછા અનિચ્છનીય "શોધ" અને વધુ ભવ્ય તારણો જે ચર્ચાને અચાનક સમાપ્ત કરતા નથી. ઝડપી પરિણામો ઇચ્છનારાઓ પાસે શોર્ટકટ હોય છે; જેમને ફાઇન-ટ્યુનિંગની જરૂર હોય છે તેઓ દરેક પાસાને સુધારવા માટે સાધનો શોધે છે.

ઘણા પરીક્ષણો પછી, જે સૌથી વધુ તાકીદની લાગણી અને "સંભવિત થઈ ગયું" ની લાગણી સૌથી વધુ તાજી દેખાય છે. ફક્ત થોડા પ્રયાસો સાથે, ખૂબ જ ચોક્કસ સ્વર મેળવવો શક્ય છે. શૈલી, મૂડ અને ઉર્જા, ભાષાઓ અથવા અસામાન્ય શૈલીયુક્ત મિશ્રણો સાથે પણ રમવું. એટલા માટે ઘણા વપરાશકર્તાઓ કહે છે કે "વાહ" અસર ઝડપથી આવે છે તેમાં કોઈ આશ્ચર્ય નથી.

વ્યવહારુ ઉદાહરણો: v3 સાથે જનરેટ થયેલા ત્રણ ગીતો

માઈક્રોસોફ્ટના સીઈઓ દ્વારા પ્રેરિત ઉનાળાની હિટ ફિલ્મ

તેમના આકર્ષક પોપ બાજુને ચકાસવા માટે, તેઓ સત્યા નડેલા પર કેન્દ્રિત એક ઉનાળાનું ગીત લઈને આવ્યા. અગાઉ આપેલા શબ્દોમાં, સમૂહગીતમાં તેમનું નામ પુનરાવર્તિત થયું અને તેમની કારકિર્દીનું ચિત્રણ કર્યું: સ્ટીવ બાલ્મરના વારસદાર તરીકે રજૂ કરવામાં આવ્યાદસ વર્ષ પછી એક ગુપ્ત ભૂતકાળ ધરાવતા, જે માન્યતા પ્રાપ્ત નેતૃત્વમાં પરિવર્તિત થયા, તેમને એક્સેલ વિઝાર્ડ અને "ક્લાઉડ બોસ" તરીકે વર્ણવવામાં આવ્યા, અને લોકોએ વિન્ડોઝ મોબાઇલ પ્રોજેક્ટને તેમની વિદાય અને એઝ્યુર યુનિટના ફરીથી લોન્ચને યાદ કર્યું.

આ લખાણમાં અતિશયોક્તિ અને યાદગાર વાતો પણ હતી: "પૃથ્વી પરના શ્રેષ્ઠ સીઈઓ," "સદીના આકૃતિ," એક પાઠ્યપુસ્તકના બોસ, અને એક કંપની જે, બજાર મૂલ્યની દ્રષ્ટિએ, તે ત્રણ ટ્રિલિયન અવરોધ પાર કરી ગયો હોત એંગ્લો-સેક્સન નામકરણમાં. તે એપલ, NVIDIA, અથવા ગુગલ સાથે સરખામણી સાથે સમાપ્ત થયું, જેનો અર્થ એ થયો કે તેઓ ફક્ત તેમના પગલે ચાલી રહ્યા હતા. શૈલી માટે, "ઉનાળાનું ગીત" અભિગમની વિનંતી કરવામાં આવી હતી: વ્યાપારી, ઉત્સાહિત અને ગતિશીલ પોપ, એક સંયોજન જે v3 અર્થઘટન કેવી રીતે કરવું તે જાણતા હતા રેડિયો-ફ્રેન્ડલી લય અને ગોઠવણો સાથે.

વાચક માટે હિપ હોપ સ્પર્શ સાથે રેગેટન અને બચાતા

બીજા પ્રયોગમાં રેગેટન અને બચાતાને હિપ હોપના સ્પર્શ સાથે મિશ્રિત કરવામાં આવ્યું, જે એક ટેક ઉત્સાહીને રોમેન્ટિક શ્રદ્ધાંજલિ હતી. ગીતના શબ્દોએ વાર્તાને સેટ કરી ટોરેન્ટ (વેલેન્સિયા), કોડ 46900 સાથેઅને તેની શરૂઆત રોજિંદા દ્રશ્યથી થઈ: ચિપ ઉત્પાદન યુદ્ધ વિશે "જુઆન્કી" દ્વારા હસ્તાક્ષરિત ચીન વિશેનો લેખ વાંચતી વખતે તેણી વેબસાઇટ પર કૂકીઝનો ઇનકાર કરતી હતી. ગીતના લેખકે સ્વીકાર્યું કે આ ટિપ્પણી તેની આજની સૌથી પ્રિય ટિપ્પણી હતી.

આ પાત્ર ટેકનીક ટેવો સાથે દોરવામાં આવ્યું હતું: મર્યાદા વિના ટેબ્સ ખોલો.તે રિકાર્ડોના રિવ્યુ સંપૂર્ણ વાંચે છે અને એક જ ક્લિકથી તે પોસ્ટ તેના સોશિયલ મીડિયા પર શેર કરે છે. તે એવોર્ડ્સમાં મતદાન કરીને ભાગ લે છે અને ઇવેન્ટ માટે મેડ્રિડ જાય છે. ગ્રાહક મોરચે, તેણીને Realme ફોન ખરીદતી, OpenAI એપ્લિકેશનનો ઉપયોગ કરતી અને Xiaomi કાર માટે નંબરો ક્રંચ કરતી જોવા મળી હતી, અને તેની દિનચર્યા પણ તે જ ટેક-સંબંધિત વાતાવરણમાં શરૂ થતી હતી.

હવામાનશાસ્ત્ર માટે સંકેતો હતા - તે એન્ટિસાયક્લોન પ્રત્યે ઉત્સાહી છે - અને અંદરની રમૂજ - "ડ્રોન્ટે" તેને અભિવ્યક્તિઓથી ડરાવે છે - અને ટ્રેક સીધા ચેનચાળા તરફ આગળ વધ્યો: "શું તમે મારી સાથે ડેટ કરવા માંગો છો? મને તમારો ટેલિગ્રામ આપો," અથવા પ્રોટોનમેઇલ પર એક ઇમેઇલ પણસમૂહગીત કૂકી દ્રશ્ય અને ચિપ પ્લોટ પર પાછું ફર્યું. લેટિન લય અને રેપ છંદોના મિશ્રણ સાથે સંગીતનું પરિણામ ખાસ કરીને મધુરતા અને શહેરી લય વચ્ચેના સંતુલન દ્વારા ચિહ્નિત થયેલ હતું.

અધિકૃત ડાર્ક મોડને સુરક્ષિત રાખવા માટે શક્તિશાળી ધાતુ

ત્રીજો પરીક્ષણ ખૂબ જ ચોક્કસ ધર્મયુદ્ધ સાથે હેવી મેટલના ક્ષેત્રમાં ગયો: સાચું ડાર્ક મોડ તેમાં શુદ્ધ કાળો રંગ, નેવી બ્લૂઝ નહીં, ગાઢ ગ્રે, ડાર્ક વાઇન કે કોલ્ડ બ્લેક્સનો સમાવેશ થવો જોઈએ. ગીતના શબ્દો કોલ અને રિસ્પોન્સ પર આધારિત હતા, જેમાં એક મંત્ર વારંવાર આવતો હતો, જે સ્પષ્ટ કરે છે કે જો તે સંપૂર્ણ કાળો નથી, તો તે યોગ્ય ડાર્ક મોડ નથી.

આ લડાયક સ્વર મેટલને સારી રીતે અનુકૂળ આવે છે, અને સુનો AI v3 એ તેને શક્તિશાળી રિફ્સ અને પંચી ડ્રમ્સ સાથે કેદ કર્યું, જેના પરિણામે વધુ સુંદર અંત અગાઉના સંસ્કરણો કરતાં. અહીં મોડેલે ફરીથી દર્શાવ્યું કે તે સૌંદર્ય શાસ્ત્ર અને સંદેશ સંબંધિત સૂચનાઓની સૂક્ષ્મતા સમજે છે, જે શરૂઆતથી અંત સુધી કૃતિની સુસંગતતામાં નોંધપાત્ર છે.

v3 માં મુખ્ય સુવિધાઓ અને સુધારાઓ

નવી ફીચર્સ શીટનો સારાંશ ત્રણ મુખ્ય વિભાગોમાં આપવામાં આવ્યો છે: ઑડિઓ, શૈલીઓ અને તાત્કાલિક આજ્ઞાપાલન. વ્યવહારમાં, આ ભાષાંતર કરે છે વધુ સ્પષ્ટતા અને સાર સાથે થીમ્સ, શૈલીઓ અને ઉપશૈલીઓની વિશાળ શ્રેણી, અને એક એવું અમલીકરણ જે તમે જે લખો છો તેને વધુ વિશ્વાસુપણે અનુસરે છે, જેમાં વાતાવરણ અથવા સમાપ્તિની વિગતોનો સમાવેશ થાય છે.

• ઉચ્ચ ગુણવત્તાનો ઑડિઓ: સ્વચ્છ મિશ્રણ, વધુ હાજર ગાયન અને ઓછા "કૃત્રિમ" ટેક્સચર.
• વધુ શૈલીઓ અને શૈલીઓકોમર્શિયલ પોપથી લઈને હેવી મેટલ સુધી, જેમાં શહેરી અને લેટિન ફ્યુઝનનો સમાવેશ થાય છે.
• પ્રોમ્પ્ટનું વધુ સારું પાલન: ઓછા અનિચ્છનીય સર્જનાત્મક છટકા, ઓછા આભાસ અને વધુ કુદરતી અંત.

આ બધું આલ્ફા તબક્કા દરમિયાન ચૂકવણી કરતા વપરાશકર્તાઓ પાસેથી મળેલા શિક્ષણને આભારી છે, જેણે ખામીઓને ઓળખવામાં અને સૌથી મહત્વપૂર્ણ મુદ્દાઓને પ્રાથમિકતા આપવામાં મદદ કરી. કંપની ભાર મૂકે છે કે ઉત્ક્રાંતિ અહીં અટકતી નથી અને તે v4 પહેલાથી જ વિકાસ હેઠળ છે, ટૂલ વડે સર્જન કરનારાઓ માટે નિયંત્રણના માર્જિનને વિસ્તૃત કરતી નવી સુવિધાઓ લાવવા માટે સઘન કાર્ય સાથે.

સુનો એઆઈ v3: ઉપલબ્ધતા, યોજનાઓ અને ક્રેડિટ્સ

તેને અજમાવવા માટે, ફક્ત તેમની વેબ એપ્લિકેશનની મુલાકાત લો. કંપની એક મફત વિકલ્પ પ્રદાન કરે છે જે તમને પરવાનગી આપે છે દિવસમાં દસ જેટલા ગીતો બનાવોજોકે, વાતચીત સમયે, તેઓએ સૂચવ્યું કે આ વિકલ્પ અસ્થાયી રૂપે નિષ્ક્રિય કરવામાં આવ્યો છે. વૈકલ્પિક માસિક સબ્સ્ક્રિપ્શન પર સ્વિચ કરવાનો છે.

સૌથી સસ્તું પ્લાનની કિંમત આશરે છે દર મહિને 8 ડોલર તેમાં 2.500 ક્રેડિટ્સનો સમાવેશ થાય છે, જે લગભગ 500 ટ્રેક જનરેટ કરવા માટે પૂરતા છે, અને તે એક સાથે વધુ જનરેશન માટે પણ પરવાનગી આપે છે. જેમને વધુ ઉપયોગ ક્ષમતાની જરૂર હોય, તેમના માટે બીજો વિકલ્પ છે... 24 ડોલર માસિકક્રેડિટ અને ગીતો વચ્ચેનું રૂપાંતર પ્રતિ ભાગ કિંમતનો સ્પષ્ટ સંદર્ભ આપે છે, જો તમે વોલ્યુમમાં ઉત્પાદન કરવાની યોજના ઘડી રહ્યા હોવ તો ઉપયોગી થશે.

આ આંકડાઓ તમને ઝડપથી ગણિત કરવામાં મદદ કરે છે. જો તમે વિચારોના EP પર કામ કરી રહ્યા છો અથવા દરેક ટ્રેક માટે અલગ અલગ અભિગમોનું પરીક્ષણ કરી રહ્યા છો, ૨,૫૦૦ ક્રેડિટ્સ મૂળભૂત યોજના લાગે તે કરતાં વધુ અસરકારક હોઈ શકે છે, ખાસ કરીને જો તમે સારી રીતે વ્યાખ્યાયિત પ્રોમ્પ્ટ તૈયાર કરો છો જે ઘણી વખત વસ્તુઓ ફરીથી કરવાનું ટાળે છે.

કામ કરતા પ્રોમ્પ્ટ માટે શ્રેષ્ઠ પ્રથાઓ

વસ્તુઓને વધુ પડતી જટિલ બનાવ્યા વિના, નાના પગલાં મોટો ફરક લાવી શકે છે. સૂચવીને શરૂઆત કરો શૈલી, મૂડ અને ટેમ્પો તે મોડેલને એક માળખું આપે છે. જો તમે "આશાવાદી અને ગતિશીલ" કોમર્શિયલ પોપ વાતાવરણ શોધી રહ્યા છો, તો કહો; જો તમને આક્રમક રિફ્સ અને ડબલ બાસ ડ્રમ્સ સાથે હેવી મેટલ જોઈએ છે, તો તે સ્પષ્ટ કરો.

એનો સમાવેશ કરો સ્પષ્ટ અને સુસંગત લેખન તે ઘણી મદદ કરે છે. યાદગાર સમૂહગીતોથી લઈને તમારા વિષયના ચોક્કસ સંદર્ભો સાથેના શ્લોકો સુધી: શહેરો, પરિસ્થિતિઓ, રમૂજી વળાંકો. તમે તમારી દિશામાં જેટલા ચોક્કસ હશો, તેટલી જ શક્યતા છે કે v3 પહેલી વાર વિચલિત થયા વિના સંપૂર્ણ રીતે ફિટ થશે.

જો ભાષા મહત્વની હોય, તો તેને સ્પષ્ટપણે જણાવો. v3 માં હેન્ડલ કરવામાં આવે છે મુખ્ય ભાષાઓતેથી તમે સ્પેનિશ, અંગ્રેજી અથવા અન્ય વ્યાપક રીતે બોલાતી ભાષામાં સમાન ખ્યાલની વિનંતી કરી શકો છો. અને જો તમે સમાન ગીતમાં ભાષાઓને મિશ્રિત કરવા માંગતા હો - ઉદાહરણ તરીકે, અંગ્રેજીમાં સમૂહગીત અને સ્પેનિશમાં છંદો - તો તમે તે પણ સૂચવી શકો છો.

છેલ્લે, વિશે વિગતો ઉમેરવાનું વિચારો માળખું અને બંધતમને ટૂંકી પ્રસ્તાવના, બે પંક્તિઓ, એક પુલ અને ફેડ-આઉટ અંત ગમે છે કે પછી તીક્ષ્ણ કટ તમને વધુ સારી રીતે અનુકૂળ આવે છે તે સ્પષ્ટ કરવાથી પરિણામ અચાનક અથવા વિચિત્ર લૂપમાં સમાપ્ત થવાની શક્યતા ઓછી થાય છે.

બિયોન્ડ સુનો AI v3: આગળ શું છે

ટીમ સ્વીકારે છે કે, આગળ વધવા છતાં, હજુ પણ ઘણો રસ્તો બાકી છે. તેઓ ગુણવત્તા, નિયંત્રણ અને ગતિ માટેના ધોરણોને વધારવા પર ધ્યાન કેન્દ્રિત કરી રહ્યા છે - તે આધારસ્તંભો જે નક્કી કરે છે કે સર્જક કાર્યપ્રવાહ સાથે આરામદાયક અનુભવે છે કે નહીં. ટૂંકા ગાળામાં, તેઓ પહેલેથી જ સંસ્કરણ 4 અને સુવિધાઓ પર કામ કરી રહ્યા છે જે તેમણે હજુ સુધી વિગતવાર નથી કરી, પરંતુ જેનો હેતુ તાત્કાલિકતાનો ભોગ આપ્યા વિના તમને વધુ સાધનો આપવાનો છે.

એવા સંદર્ભમાં જ્યાં પોપ અવાજો ગમે છે કેટી પેરી અથવા નિકી મિનાજ તેઓએ આ ટેકનોલોજીઓ દ્વારા રજૂ થઈ શકે તેવા સંભવિત રિપ્લેસમેન્ટ અંગે ચિંતા વ્યક્ત કરી છે, અને પ્લેટફોર્મ સ્પષ્ટ સીમાઓ અને ચકાસણી સાધનો સ્થાપિત કરવાનો પ્રયાસ કરી રહ્યું છે. ચર્ચા ચાલુ રહેશે, પરંતુ ઉપયોગ નીતિઓ અને લેખકત્વ ચિહ્નો તેને ચેનલ કરવામાં મદદ કરે છે.

જો તમે તેને અજમાવવાનું નક્કી કરો છો, તો ધ્યાનમાં રાખો કે મફત યોજના અસ્થાયી રૂપે અનુપલબ્ધ હોઈ શકે છે અને દર મહિને $8 અને $24 માટે ચૂકવણી વિકલ્પો ઉપલબ્ધ છે. થોડી પ્રેક્ટિસ ફાઇન-ટ્યુનિંગ પ્રોમ્પ્ટ્સ સાથે, તે સમજવું સરળ છે કે ઘણા વપરાશકર્તાઓ "અદભુત" પરિણામો અને તેમની આંગળીના ટેરવે એક નાનો પ્રોડક્શન સ્ટુડિયો હોવાની લાગણી વિશે શા માટે પ્રશંસા કરે છે.

સુનો AI v3 પોતાને એક સાધન તરીકે સ્થાન આપે છે જે અવરોધો ઘટાડે છે, સંગીત નિર્માણ સંગીત નિર્માણને દરેક માટે સુલભ બનાવે છે અને તે પહેલાથી જ સ્ટુડિયો-ગુણવત્તાવાળા અવાજ સાથે બે-મિનિટના ટ્રેક ઓફર કરે છે. તેના ઓડિયો સુધારાઓ, શૈલીઓની વિવિધતા, વધુ સારા ત્વરિત પ્રતિભાવ અને વોટરમાર્કેડ સુરક્ષા માળખા વચ્ચે, તેનો પ્રયાસ કરનારાઓનો ઉત્સાહ અને ઉદ્યોગમાં કેટલાક લોકોના રિઝર્વેશન સમજી શકાય તેવા છે; પરંતુ આ બે ચરમસીમાઓ વચ્ચે, મૂર્ત હકીકત એ છે કે મૂળ ગીતો બનાવવા અને શેર કરવાનું ક્યારેય આટલું ઝડપી કે આટલું મનોરંજક નહોતું.