Åben musik-AI flytter magten væk fra serverfarmene

En video viser, hvordan man installerer YuE2, en AI-model der kan lave musik og coversange på egen computer.

Det er vigtigt, fordi de fleste musikgeneratorer kører på servere, mens YuE2 kan køre lokalt via værktøjet ComfyUI.

Videoen er sponsoreret, og der mangler oplysninger om hastighed, krævede ressourcer og rettigheder til sangene.

YuE2 er en kunstig intelligens, der kan lave musik på din egen computer. Det er anderledes end de fleste musikgeneratorer. De fungerer som en restaurant. Du sender din bestilling af sted — en tekstbesked, også kaldet en prompt. Så får du lyd tilbage fra en server, altså en computer, der står et andet sted og behandler din anmodning. Med YuE2 har du hele køkkenet hjemme hos dig selv.

En video fra YouTube-kanalen AI Search viser, hvordan man gør. Videoen er en installationsvejledning. Den gennemgår opsætningen af YuE2 og viser, hvordan man laver coversange — altså nye versioner af eksisterende sange. 14 timer efter udgivelsen havde videoen 80.401 visninger og 2.796 likes.

For at få YuE2 til at køre skal man hente modellen fra hjemmesiden Hugging Face. Modellen er den del af AI'en, der rummer dens viden og evner. På Hugging Face deler forskere og udviklere deres AI-modeller. Modellen ligger under navnet Comfy-Org. Der følger også en workflow-fil med, som er en slags opskrift på, hvilke trin AI'en skal igennem. Den fil kan åbnes i ComfyUI. Det er et grafisk værktøj til billed- og lydmodeller, hvor man forbinder trinene som klodser i et byggesæt. Selve koden ligger på GitHub, en hjemmeside til at dele software. Kodelageret hedder multimodal-art-projection/YuE.

Kanalen bag videoen kalder YuE2 for den bedste AI-musikgenerator og -editor. Altså både til at skabe og redigere musik. Det er dog en vurdering fra en enkelt YouTube-kanal. Det er ikke et benchmark, som er en standardiseret sammenligningstest. Videoen er sponsoreret af virksomheden Luma. I beskrivelsen henvises der til to konkurrenter: Minimax Music og Acestep XL. Hvad modellen reelt kan præstere, fremgår ikke af materialet. Det gør heller ikke, hvor meget hukommelse på grafikkortet — kaldet VRAM — den kræver, eller hvor lang tid en generering tager. Det står heller ikke klart, hvilke rettigheder man har til de coversange, vejledningen viser, hvordan man laver.