هوش مصنوعی ایرانی به زودی متن را به موسیقی تبدیل می‌کند
پلترم مانی، هوش مصنوعی تبدیل متن به تصویر که در بهار امسال به صورت رسمی عرضه شد، از سه محصول جدید خود یعنی پلتفرم ساخت دنیای سه بعدی متاورس، تبدیل متن به موسیقی و MaralGPT، مدل زبانی بزرگ ایرانی، رونمایی کرد.
محمدرضا حقیری، بنیان‌گذار پلتفرم مانی، در رویداد Summer time AI که ۱۵ تیر ماه برگزار شد علاوه‌بر توضیح فرآیند ساخت و توسعه هوش مصنوعی مانی، از پیشرفت چشمگیر این پلتفرم در طول زمان سخن گفت و محصولات جدید مانی و گروه آرمو را معرفی کرد که شامل متن به موسیقی، ساخت دنیای متاورس و مدل زبانی بزرگ ایرانی میشود.
اولین معرفی این رویداد پروژه «دنیایت را بساز» بود، پلتفرمی است که توسط گروه آرمو ساخته شده و از هوش مصنوعی تبدیل متن به تصویر مانی برای تولید محصول نهایی بهره می‌گیرد.
محمدرضا حقیری ضمن اشاره به این که در حال حاضر این پروژه به مدت محدود برای عموم با مراجعه به سایت Buildyouruniverse.ir قابل استفاده است، گفت: نحوه کارکرد این پلتفرم به این صورت است که با وارد کردن دنیای تصورات خود به صورت متنی در این وبسایت، دنیای خود را ساخته و فقط با استفاده از یک عینک VR، در این دنیا زندگی کنید.
محمدرضا حقیری با اشاره به ترند متاورس گفت: وقتی دنیایی به نام متاورس توسط شخصی مانند زاکربرگ ساخته میشود و از ما می‌خواهد در آن زندگی کنیم، جذابیت این دنیا را برای من کم می‌کند، چرا که زندگی در دنیایی که توسط اشخاص خاصی اداره می‌شوند و در این دنیا هم مانند اکثر شبکه‌های اجتماعی بر تمام اطلاعات و زندگی ما تسلط خواهد داشت، دنیایی نیست که من به آن علاقه داشته باشم، از نظر من دنیای جدید متاورس باید توسط خودمان ساخته شود و به همین دلیل بود که با گروه آرمو به توسعه پلتفرمی برای ساخت دنیای متاورس پرداختیم.
هوش مصنوعی تبدیل متن به موسیقی
بنیان‌گذار مانی با اشاره به فرآیندهای ساخت موسیقی در گذشته از جمله استفاده از ابزارهایی مانند FL STUDIO و Logic Pro گفت: همه ما امکان رفتن به کلاس موسیقی یا خرید ساز، مخصوصا با قیمت‌های امروزه بازار، را نداریم.
محمدرضا حقیری در ادامه با اشاره به اینکه این سیستم هنوز به یک محصول نهایی تبدیل نشده، به معرفی سیستم تبدیل متن به موسیقی پرداخت و گفت: دیگر نیازی به هزینه‌های گزاف و صرف وقت برای استودیو و لوازم بی‌شمار مورد نیاز آن ندارید و در آینده‌ای بسیار نزدیک و با نهایی شدن این محصول می‌توانید تنها با دادن دستورات متنی موسیقی مورد نظر خود را بسازید.
MaralGPT (ChatGPT ایرانی)
قبل از معرفی محصول نهایی، بنیان‌گذار پلتفرم مانی 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.
او افزود: 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 تقریبا 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 کاملا بومی‌سازی شده و با زبان فارسی آموزش دیده است.
محمدرضا حقیری در ادامه به ویژگی‌های این مدل پرداخت و 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 کاملا به صورت منبع باز و رایگان در دسترس قرار خواهد گرفت.
حقیری گفت: این مدل زبانی بیشتر از طریق اطلاعات سایت‌های خبری از جمله تسنیم و پیوست 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 فعلا 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.
او ادامه داد: 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.