Ni har troligen stött på bilder genererade av Stable Diffusion, deep learning-modellen för att generera bilder utifrån en textprompt, eller någon av dess syskon. Två figurer vid namn Seth Forsgren och Hayk Martiros fick för sig att träna den på att generera spektrogram som sen kan konverteras till ljud.
Det är inte hifi, men det är rätt imponerande.
Först en förklaring med exempel:
https://www.riffusion.com/about
Sen är det bara att testa att skriva in beskrivningar:
https://www.riffusion.com
Är väl dock stor risk att den blir överbelastad närmaste tiden då nyheten sprider sig.
