تبدیل متن به موسیقی با هوش مصنوعی در ایران انجام می‌شود

به گزارش ایران دکونومی، این رویداد که توسط بنیان‌گذاران پلتفرم مانی و آرمو ترتیب داده شده بود، پیرامون گفتگو در خصوص آینده هوش مصنوعی برگزار شد.

از ابتدای امسال با لانچ عمومی پلتفرم هوش مصنوعی مانی و همچنین رشد سریع و عجیب ابزارهای Generative AI یادگیری و آشنایی با محصولات و ابزارهای هوش مصنوعی، بخش بزرگی از سواد دیجیتال افراد را تشکیل می‌دهد.

در ابتدای رویداد، دکتر آرزو زمانی، بنیان‌گذار استارتاپ آرمو ارائه‌ای در خصوص انقلاب صنعتی پنجم داشت، وی طی این ارائه گفت: صنعت نسل چهارم طی دوره ده ساله خود کمتر بر اصول انصاف و پایداری اجتماعی متمرکز بوده و بیشتر بر دیجیتال‌سازی و فناوری‌های مبتنی بر هوش مصنوعی به منظور افزایش بازده و انعطاف‌پذیری تولید متمرکز بوده است. صنعت نسل پنجم بر موضوع متفاوتی متمرکز است و در واقع، اهمیت تحقیق و نوآوری جهت حمایت از صنعت در خدمات بلندمدت آن به بشریت در مرزهای سیاره‌ای مورد تأکید قرار دارد.

وی افزود: تقریباً ۵۰درصد از جمعیت را بانوان تشکیل می‌دهند که کمتر از ۱۲درصد آن‌ها در بازار کار هستند. در انقلاب صنعتی نسل ۵، تمرکز ویژه‌ای بر توانمندسازی زنان و دختران صورت می‌گیرد.

زمانی ادامه داد: صنعت نسل پنجم باید با توجه به اهداف گسترده‌ای تعریف شود که فراتر از تولید کالاها و خدمات سودآور هستند. این اهداف گسترده‌تر شامل سه عنصر اصلی هستند: محوریت انسان، پایداری و تاب‌آوری.

هوش مصنوعی در متن، تصویر و موسیقی

محمدرضا حقیری، بنیان‌گذار پلتفرم مانی، به عنوان سخنران دوم این رویداد، پس از بیان تاریخچه‌ دو سال گذشته از خدمات هوش مصنوعی و Chat GPT گفت: یکی از مشکلات مدل‌های بزرگ از متن به تصویر متن گرفته تا متن به تصویر، این است که دموکراسی در آنها برقرار نیست و دست قدرت‌های خاصی مانند سم آلتمن (بنیان‌گذار OpenAI)، مارک‌ زاکربرگ و ایلان ماسک، هستند. ChatGPT یک مدل زبانی بزرگ (Large Language Model) است و در این مدل‌های زبانی اندازه بسیار مهم است و پارامترهای بیشتر در نتیجه باعث دقت بسیار بیشتری خواهد شد، به همین دلیل است که ChatGPT با داشتن ۱۷۵ میلیارد پارامتر، که تقریباً نیمی از اطلاعات اینترنت است، دقت بسیار بالایی دارد؛ اما این مدل دارای یک نقص است، ۹۷ درصد پارامتر‌هایی که این مدل با آن آموزش دیده‌است به زبان انگلیسی بوده‌اند، اما MaralGPT کاملاً بومی‌سازی شده و با زبان‌ فارسی آموزش دیده است.

وی از محصول جدیدی به نام Maral GPT که همان Chat GPT ایرانی است، رونمایی کرد. مارال، سیستم تبدیل متن به موسیقی است. حقیری در ادامه گفت: دیگر نیازی به هزینه‌های گزاف و صرف وقت‌ برای استودیو و لوازم بی‌شمار مورد نیاز موسیقی ندارید و در آینده‌ای بسیار نزدیک و با نهایی شدن این محصول می‌توانید تنها با دادن دستورات متنی، موسیقی مورد نظر خود را بسازید.

وی در خصوص ویژگی‌های این محصول گفت: این مدل زبانی ۲۰ میلیارد پارامتر دارد، فارسی را به صورت کامل متوجه می‌شود و حتی با شعر‌های فارسی و ترکیب آنها نیز آشناست، توسط کاربران کنترل می‌شود و کاملاً به صورت منبع باز و رایگان در دسترس قرار خواهد گرفت.

حقیری توضیح داد: این مدل زبانی بیشتر از طریق اطلاعات سایت‌های خبری آموزش دیده، اما در حال حاضر این پروژه در مرحله تکمیل متنی، (Text Completion) است و هنوز مانند ChatGPT دستورالعمل‌ها را نمی‌فهمد و قادر به پاسخ‌گویی به سوالات و نگهداری چت‌ها نیست و فعلاً فقط می‌تواند متن‌های ورودی شما را کامل‌کند. در واقع مارال یک مدل ساده و اولیه از مدل‌های زبانی‌ است که پیش‌زمینه‌ای برای بزرگ‌تر شدن و تبدیل به مدل‌های پیشرفته‌تر باشد. به زودی ممکن است پلتفرمی ساخته شود که ورودی‌ها، دستور‌العمل‌ها و سوال و جواب‌ها توسط خود شما وارد شده و از همان برای آموزش مدل زبانی خود استفاده کنید، یعنی هوش مصنوعی که توسط خود کاربران ساخته، اداره و استفاده می‌شود.