Las inteligencias artificiales siguen sorprendiéndonos. En esta ocasión, Meta, la empresa matriz de Facebook, Instagram y WhatsApp, ha desarrollado una IA llamada MusicGen que tiene la capacidad de crear música a partir de texto. ¿Qué impacto tendrá esta herramienta en la industria musical?

MusicGen utiliza el prototipo Transformer de Google, un modelo de lenguaje que permite anticipar las palabras siguientes en una oración. En este caso, la IA de Meta puede generar la siguiente parte de una pieza musical. Además, MusicGen puede crear música tanto solo con texto como combinándolo con audio. Este proyecto de código abierto está disponible para que todos puedan comprender su funcionamiento técnico.

La característica distintiva de MusicGen es su capacidad para crear música a partir de texto y melodías preexistentes. El texto define el estilo musical que se ajusta a la melodía del audio. Por ejemplo, si se proporciona un texto que solicita una pista de pop de los años 80 y se combina con la melodía de la conocida «Tocata y fuga en re menor» de Bach, MusicGen puede crear una nueva pieza musical siguiendo estas indicaciones. Los usuarios ya pueden probar las habilidades de MusicGen en la demostración de esta herramienta en Hugging Face, donde pueden crear música con sus propios textos y audios.

Es importante tener en cuenta que MusicGen no ofrece un control total sobre la dirección de la melodía. El texto proporciona un estilo básico que no se sigue al pie de la letra en la salida generada. Sin embargo, sirve como una guía aproximada para la creación musical y ofrece resultados interesantes.

MusicGen supera a otros modelos conocidos como Riffusion, Mousai, MusicLM y Noise2Music en términos de medidas objetivas y subjetivas. La música creada por MusicGen se ajusta mejor al texto y tiene una composición más coherente. Según las pruebas realizadas por The Decoder, MusicGen supera incluso a MusicLM de Google en rendimiento.

Para desarrollar esta plataforma, la empresa utilizó un modelo de lenguaje basado en el Transformer de Google y lo entrenó con 20,000 horas de música, utilizando 10,000 pistas de audio de alta calidad y datos de Shutterstock y Pond5, fuentes de audio con licencia.

Publicado en: Noticias Caracol

Patrocinada por: Creamos Tic y Colombia LMS