في عالم الذكاء الاصطناعي، تركّز الأبحاث حول توليد الموسيقى غالبًا على النماذج الصوتية، متجاهلةً النماذج الرمزية. أخيرًا، تم صدور دراسة مثيرة تكشف آليات توليد الموسيقى باستخدام نماذج تحويل النص إلى MIDI، حيث تم تحليل نظامين عامين لهما تصميمان متباينان: الأول هو نموذج “text2midi”، والثاني هو “MIDI-LLM”، وهو نموذج يعتمد على Llama 3.2 بسعة 1B وتم توسيعه باستخدام رموز MIDI.

هذه الدراسة تقدم تحليلا شاملا باستخدام تقنيات مثل “linear probing”، و“logit and tuned lenses”، و“activation patching”. من خلال هذه الأساليب، نجح الباحثون في استعادة هيكل موسيقي ذا معنى وإظهار كيفية تشكيل العمارة لهذا الهيكل والتحكم فيه.

تم decodability لخصائص مثل النغمة (Pitch)، الآلات الموسيقية (Instrumentation)، التناغم (Harmony) والملمس (Texture) في كلا النموذجين. حيث يعد “text2midi” أكثر تدرجا في تحسين التنبؤات عبر العمق، بينما يعتمد “MIDI-LLM” بشكل كبير على الأساس النصي الموروث قبل أن يدور بشكل حاد في مفردات الموسيقى. وأظهرت تقنيات “patching” تطابقًا في ضعف نقل الآلات بسبب التحفيز النهائي.

بينما توفّر تقنيات التحكم “steering” تغييرات ثنائية الاتجاه في السجل والتعدد الصوتي في كلا النظامين، وطاقة الإيقاع في “MIDI-LLM”. لقد أظهرت البروتوكولات المستخدمة في الدراسة كيفية التحكم في الاتجاهات في هذه الأنظمة، مما يوفر مجموعة أدوات عملية لفهم وتحكم المفاهيم الموسيقية داخل المولدات الرمزية. لمزيد من التجريب، تم توفير أمثلة صوتية عبر موقع تجريبي خاص.

في ختام هذه الرحلة، ما رأيكم في كيفية تأثير هذه التقنيات على مستقبل الموسيقى؟ شاركونا آراءكم في التعليقات.