Новосибирские ученые создали первое в России программное обеспечение (ПО) для генерации музыки нейросетями. Специалисты Новосибирского государственного технического университета (НГТУ) разработали систему, способную создавать аудиоконтент на основе нейросетевых моделей. ПО предназначено для задач, где важна автономная генерация музыкальных композиций, вокальных партий и звуковых эффектов по текстовым описаниям без привязки к облачным сервисам.
Как сообщил ТАСС руководитель проекта Егор Антонянц, система обеспечивает полный цикл создания аудиопродукции — от текстового запроса до экспорта в форматы WAV, MP3 и FLAC. «Ключевая особенность нашего решения — полная независимость от зарубежных платформ и возможность работы в закрытом контуре, — пояснил он. — Мы дообучили базовую модель специализированными LoRA-адаптерами под три типа контента: инструментальную музыку, песни с вокалом и звуковые эффекты. Это позволяет избежать эффекта смешения характеристик и добиться более точного соответствия запросу». В отличие от базовых решений, ориентированных на англоязычных пользователей, новый инструмент адаптирован для работы с русскоязычными запросами. Значение средней субъективной оценки MOS составило 4,1 из 5 баллов — результат сопоставим с ведущими коммерческими платформами.
Разработчик проекта Артур Хусаинов раскрыл технические детали: обработка строится в несколько этапов — языковая модель формирует семантический «каркас» композиции, диффузионный трансформер выполняет акустический синтез, а модуль экспорта конвертирует результат в целевые форматы. Встроенный графический интерфейс позволяет управлять проектами, сохранять пресеты, предпрослушивать результаты и экспортировать треки без сторонних редакторов.
В планах создателей — добавить поддержку пространственного аудио для виртуальной реальности, интеграцию с MIDI-контроллерами для живого взаимодействия, а также адаптировать ПО для промышленных сценариев: от звуковых ландшафтов для видеоигр до автоматизированного озвучивания фильмов, подкастов и рекламных роликов.
Фото: GigaChat
