TikTok testa criação de músicas com IA

O TikTok está testando uma ferramenta com inteligência artificial (IA) que tem a capacidade de gerar músicas a partir de texto. Conhecida como “AI Song”, essa função utiliza o modelo Bloom para gerar as faixas, mas as criações ainda estão longe de serem perfeitas.

Segundo os desenvolvedores do modelo, a base de dados do Bloom conta com 176 bilhões de parâmetros e é capaz de gerar texto em 46 idiomas. Isso significa que as criações com IA têm o potencial de explorar muitas possibilidades.

Atualmente, essa novidade está sendo liberada gradativamente para os usuários, no entanto, as músicas geradas pela IA têm qualidade bem aquém do esperado. Apesar de filtros de voz estarem disponíveis, as músicas acabam sendo desafinadas. A ferramenta falha em acompanhar o ritmo da própria melodia, resultando em músicas que não são muito agradáveis.

Apesar disso, a plataforma possui regras importantes para a ferramenta e impede a criação de músicas que ofendam ou assediem menores de idade, criem informações falsas que possam interferir em outras pessoas, gerem músicas que não sejam identificadas como criações de IA, discriminem ou assediem grupos ou indivíduos com base em sua idade, condição social, física ou mental, ou ameacem outras pessoas.

Compartilhe:

Share on facebook
Share on twitter
Share on telegram
Share on whatsapp
você pode gostar de

Leonardo Bonato Felix

Tem graduação (UFSJ, 2002), mestrado (UFMG, 2004) e doutorado(UFMG, 2006) também em Engenharia Elétrica. Foi pesquisador visitante da University of Southampton-UK (2019-2020). É professor do Departamento de Engenharia Elétrica da UFV (2006-presente), nas disciplinas de Inteligência Computacional, Sinais e Sistemas, Modelagem e Identificação de Sistemas, Introdução à Engenharia Biomédica, Eletrônica, etc. É pesquisador 1D CNPq, atuando no processamento de sinais biológicos, teoria da detecção e aplicações de inteligência artificial.

Domingos Sárvio Magalhães Valente

Possui graduação em Engenharia Agrícola e Ambiental pela Universidade Federal de Viçosa (2003), mestrado em Engenharia Agrícola pela Universidade Federal de Viçosa (2007) na área de concentração em Pré-Processamento e Armazenagem de Produtos Agrícolas, doutorado em Engenharia Agrícola pela Universidade Federal de Viçosa (2010) na área de concentração em Mecanização Agrícola. Pós-doutorado na University of Illinois (Urbana-Champaign) nos Estados Unidos. Atualmente é Professor Associado da Universidade Federal de Viçosa, no Departamento de Engenharia Agrícola, atuando nas Áreas de Mecanização Agrícola, e Agricultura de Precisão e Digital.

José Augusto Miranda Nacif

Professor no Instituto de Ciências Exatas e Tecnológicas (IEF) do Campus UFV-Florestal da Universidade Federal de Viçosa (UFV). Possui mestrado e doutorado em Ciência da Computação (2004 e 2011) pela Universidade Federal de Minas Gerais e graduação em Engenharia de Controle e Controle e Automação (2001) pela Pontifícia Universidade Católica de Minas Gerais. Atualmente é orientador do Programa de Pós-Graduação em Ciência da Computação da UFV. É bolsista de produtividade do CNPq, nível 2. Tem experiência na área de Ciência da Computação, atuando principalmente nos seguintes temas: Internet das coisas, nanocomputação, computação de alto desempenho e aprendizado de máquina.

Moysés Nascimento

Possui graduação em Estatística pela Universidade Federal do Espírito Santo (2007), mestrado em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa (2009) e doutorado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2011). Realizou pós-doutorado em Análise de dados Genômicos, via Métodos Econométricos, na North Carolina State University (EUA, 2016). Atualmente, é professor Associado no Departamento de Estatística da Universidade Federal de Viçosa. Tem experiência na área de Probabilidade e Estatística Aplicada, com ênfase em Métodos Estatísticos Aplicados ao Melhoramento - Plantas e Animais, Inteligência Computacional e Aprendizado Estatístico.

Rodolpho Vilela Alves Neves

Possui graduação em Engenharia Elétrica pela Universidade Federal de Viçosa (2011), mestrado (2013) e doutorado (2018) em Engenharia Elétrica pela Universidade de São Paulo. Entre 2015 e 2016, foi pesquisador visitante na Aalborg University, Dinamarca. Atualmente, é professor adjunto no Departamento de Engenharia Elétrica da UFV. Atua principalmente nos temas geração distribuída e controle de sistemas de energia.

Sabrina de Azevedo Silveira

É graduada em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG-2008) e tem doutorado em Bioinformática (2013). Possui pós-doutorado no European Molecular Biology Laboratory-European Bioinformatics Institute (EMBL-EBI), em Cambridge, no Reino Unido (2019), e no Laboratório de Bioinformática e Sistemas (LBS), do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (2015). Atualmente, é professora no Departamento de Informática (DPI), da Universidade Federal de Viçosa (UFV). É orientadora do Programa de Pós-Graduação em Ciência da Computação da UFV (CAPES 4) e do Programa de Pós-Graduação em Bioinformática da UFMG (CAPES 7). Tem experiência na área de Ciência da Computação e Bioinformática, atuando principalmente nos seguintes temas: predição de função de enzima, mineração de dados, aprendizagem de máquinas, bases de dados biológicos e visualização de dados.

what you need to know

in your inbox every morning