Quando molte persone entrano in contatto per la prima volta con la generazione musicale, rimangono colpite da quel momento.

Scrivi una frase, aspetti un po', ed ecco comparire una canzone completa con voce, melodia e arrangiamento. Ciò che in passato richiedeva di trovare un compositore, un arrangiatore, un cantante e un tecnico di missaggio, ora può iniziare anche una sola persona.

Ma dopo aver realizzato davvero alcune canzoni, i problemi emergono rapidamente.

Generare non è difficile, generare una canzone che si sia disposti a conservare, lo è ancora.

A volte i testi sono scritti con grande cura, ma una volta cantati sembrano letti parola per parola; a volte l'atmosfera della strofa è buona, ma quando arriva il ritornello non decolla davvero; ci sono poi alcune opere che al primo ascolto sembrano sorprendenti, ma riascoltandole si scopre che la melodia non ha un elemento memorabile. Così non resta che cambiare prompt, modificare lo stile, generare di nuovo e continuare a cercare in una pila di versioni più o meno simili.

Ancora più problematico è che, quando vogliamo integrare la generazione musicale nel nostro prodotto, la questione non riguarda più soltanto il “si può generare o no”. Se l'interfaccia è stabile, quante canzoni restituisce ogni volta, come gestire i fallimenti delle attività, se il costo di generazione è sostenibile: queste questioni apparentemente poco romantiche spesso determinano alla fine se un'idea creativa possa davvero andare online.

Il valore di ACE Music inizia a diventare chiaro proprio in questa fase.

Non si limita semplicemente ad aggiungere un altro modello musicale, ma offre a creatori e sviluppatori un'altra scelta: con un costo più leggero, trasformare un'ispirazione in una frase o un testo completo in due candidate di canzoni ascoltabili e scaricabili, e poi scegliere tra queste la direzione che vale davvero la pena continuare a sviluppare.

Quando “generare una canzone” diventa facile, ciò che è davvero scarso sono i buoni risultati

Una notte tarda in cui la creazione si blocca

La creazione musicale ha una contraddizione molto concreta.

Più è facile generare, più facilmente finiamo per trascorrere il nostro tempo in tentativi senza fine.

Una frase di prompt può generare una canzone, e in apparenza è già abbastanza semplice. Ma se il creatore ha in mente un tema, un testo e un'emozione ben definiti, affidarsi soltanto a una descrizione generica di solito non basta. Ciò che vogliamo controllare non è soltanto se sia “pop” o “folk”, ma come debba svilupparsi la strofa, in quale momento debba aprirsi il ritornello, se la voce femminile debba essere contenuta o luminosa, se l'ultima frase debba lasciare spazio vuoto o chiudersi.

Questi dettagli determinano se una canzone sembri semplicemente una canzone o se possa davvero farsi ricordare.

ACE Music offre due modalità di creazione molto dirette in Ace Data Cloud.

Se si ha soltanto un'idea vaga, si può usare la modalità ispirazione, descrivendo il tema, l'emozione e la direzione musicale della canzone. Se il testo è già pronto, si possono invece inviare il titolo, il testo completo e lo Style, lasciando che il modello completi il canto e l'arrangiamento attorno a contenuti definiti. Nel testo si possono inoltre mantenere etichette strutturali come [Verse] e [Chorus], così da rendere più chiara la relazione tra le sezioni.

Una generazione completa restituisce due candidate, anziché offrire un solo risultato. Il creatore può confrontare direttamente due melodie e due interpretazioni vocali, per poi decidere quale valga maggiormente la pena conservare.

Questo design sembra semplicemente generare una canzone in più, ma in realtà si adatta molto bene alle abitudini della creazione musicale.

Di solito non stiamo valutando se una canzone sia “idonea o non idonea”, ma cerchiamo tra due direzioni la versione più vicina alla nostra idea. Con un confronto, diventa più facile giudicare se la melodia abbia un elemento memorabile, se il ritornello sia abbastanza efficace e se la voce sia adatta al testo.

Ciò che ACE Music vuole fare non è soltanto far cantare il testo

Dal testo a due candidate di canzoni

In Ace Data Cloud, ACE Music offre attualmente i due modelli acemusic-v1.1 e acemusic-v1, tra i quali acemusic-v1.1 è la scelta predefinita. Oltre alla normale generazione da ispirazione e alla generazione con testi personalizzati, supporta anche l'importazione di audio di riferimento, la cover di opere esistenti e la fusione di due canzoni di riferimento.

Per chi vuole soltanto verificare rapidamente un tema, la modalità ispirazione è già sufficiente.

Per esempio, inserendo:

Una canzone folk cinese calda e contenuta, scritta per una persona che ha lasciato la propria città natale da molti anni e che una notte tardi si ricorda improvvisamente della vecchia strada. Principalmente chitarra acustica e archi delicati, voce femminile naturale, senza eccessiva enfasi emotiva.

Il modello completerà la comprensione della direzione della canzone in base a questa descrizione.

Se il creatore ha già scritto il testo, può invece passare alla modalità personalizzata. Titolo, testo e Style vengono inviati separatamente, e il modello non deve reinterpretare la storia al posto tuo, ma completa direttamente la musica attorno al testo esistente.

Questo approccio è particolarmente adatto alla creazione in cinese.

Perché i testi cinesi dipendono molto dalla lunghezza delle frasi, dalle pause e dal tono. Se tema, testo e Style sono tutti compressi in un'unica descrizione, il modello tende facilmente a curare lo stile, ma non l'espressione concreta. Dopo aver separato il contenuto dalla direzione musicale, il creatore può prima modificare attentamente il testo e poi regolare separatamente lo stile musicale e la sensazione dell'interpretazione.

ACE Music offre anche un'interfaccia indipendente per la generazione dei testi. Può fornire una bozza di titolo e testo in base al tema e allo stile musicale; dopo la generazione è comunque possibile modificarla manualmente e poi inviarla all'interfaccia delle canzoni.

Un punto piuttosto importante qui è: la generazione del testo e la generazione della canzone sono due fasi separate.

Non obbliga il creatore ad accettare tutti i contenuti prodotti in un'unica volta. Prima scrivere il testo, poi modificare il testo, infine creare la canzone: questo processo è più vicino alla creazione reale e rende anche più facile preservare il giudizio umano.

ACE Music e Suno non sono una sostituzione l'uno dell'altro

I diversi flussi di lavoro di ACE Music e Suno

Quando si parla di musica AI, la prima reazione di molte persone continua a essere Suno. Questo è del tutto normale. Suno ha già costruito una catena creativa piuttosto completa: oltre alla generazione di brani di base, copre anche continuazione, sostituzione parziale, concatenazione, cover, Remaster, aggiunta ed estrazione di tracce audio, separazione delle tracce e capacità relative al timbro vocale. Tra le API attualmente fornite da Ace Data Cloud, Suno rimane una catena di strumenti di post-produzione più completa.

La direzione di ACE Music è in qualche modo diversa.

Attualmente si concentra maggiormente sulla generazione del brano in sé: trasforma un'idea o un testo in due candidati completi, e può anche utilizzare audio di riferimento per cover o fusioni a doppio riferimento. Per il momento non fornisce nell'API di Ace Data Cloud parametri come continuazione, separazione delle tracce e clonazione del timbro vocale.

Quindi, un'interpretazione più accurata non è “se ACE Music possa sostituire Suno”, ma che siano adatti a posizioni diverse nel processo creativo.

Se l'obiettivo è trovare rapidamente, partendo da un testo, una melodia gradevole, una voce naturale e una struttura completa del brano, ACE Music è una scelta molto interessante. Il suo processo è più breve e il metodo di chiamata è anche più concentrato.

Se dopo la generazione del brano è necessario continuare ad allungarlo, sostituire una certa sezione, separare voce e accompagnamento, oppure mantenere la stessa serie di timbri vocali per più opere, la catena di strumenti di Suno è attualmente più matura.

Per molti team di contenuti, la soluzione più pratica potrebbe non essere scegliere una delle due.

È assolutamente possibile utilizzare prima ACE Music per trovare rapidamente una direzione per il brano, selezionare la versione con la melodia e l'atmosfera più adatte, e poi entrare in un processo di post-produzione più dettagliato secondo le esigenze del progetto. I modelli sono solo strumenti; ciò che conta davvero è collocare strumenti diversi nella posizione in cui eccellono maggiormente.

I vantaggi di ACE Music si riflettono innanzitutto nel costo creativo

Secondo le attuali regole di fatturazione di Ace Data Cloud, ACE Music genera completamente due brani candidati consumando circa 0.3148 Credits. I nuovi modelli principali attuali di Suno generano due brani consumando solitamente circa 0.56 Credits.

A parità di Credits, il costo di generazione di base dei brani con ACE Music è inferiore di circa il quaranta per cento.

Per chi realizza un brano solo occasionalmente, la differenza potrebbe non essere così evidente. Ma per i team che devono testare ripetutamente gli stili, generare in batch o integrare funzionalità musicali nei prodotti, il costo verrà rapidamente amplificato.

Per esempio, con lo stesso testo potremmo dover testare:

  • La differenza tra folk caldo e pop urbano
  • La differenza tra un assolo vocale femminile e un duetto uomo-donna
  • La differenza tra una versione contenuta e una con un ritornello più intenso
  • L'impatto di diverse strumentazioni sull'atmosfera del testo

Ogni generazione produce due candidati. Quando la scala delle chiamate aumenta gradualmente, un costo inferiore per singola chiamata significa che il prodotto può offrire agli utenti più spazio per provare, invece di dover considerare seriamente il budget ogni volta che si preme “rigenera”.

Anche il meccanismo di fatturazione in caso di fallimento di ACE Music è piuttosto favorevole. La tariffa di generazione del gruppo di brani viene addebitata solo dopo la consegna riuscita dell'intero gruppo di due brani; se l'attività fallisce alla fine, oppure viene completato un solo brano e il tutto entra in uno stato di fallimento parziale, non viene addebitata la tariffa di generazione di questo gruppo, e le tracce audio già completate vengono comunque conservate.

Per i servizi di generazione asincrona, questa regola è molto importante.

Gli utenti non devono sostenere costi per risultati non consegnati completamente, e gli sviluppatori possono anche progettare più facilmente tentativi di nuovo invio e avvisi sulle eccezioni, invece di continuare a gestire controversie relative agli addebiti dopo il fallimento di un'attività.

L'audio di riferimento fa sì che la creazione non dipenda più solo dal testo

Flusso di integrazione dell'API ACE Music

Descrivere la musica solo tramite Style può talvolta causare un problema: sappiamo cosa vogliamo, ma è difficile dirlo con precisione.

Parole come “caldo”, “retrò” e “atmosfera cinematografica” hanno significati diversi per ogni persona. Ciò che il creatore vuole davvero conservare potrebbe essere il modo in cui si muove una melodia, un certo senso del ritmo, oppure la sensazione di come l'emozione si sviluppa gradualmente nel brano originale.

ACE Music può prima importare un file MP3 pubblicamente accessibile per generare una traccia audio di riferimento che può continuare a essere utilizzata. Successivamente è possibile realizzare una Cover attorno a questo riferimento, oppure mettere insieme due diverse tracce audio di riferimento per creare un Mashup.

Nelle modalità cover e fusione, è anche possibile utilizzare audio_influence per controllare il grado di influenza dell'audio di riferimento, con valori da 1 a 100 e un valore predefinito di 60.

Questo lascia uno spazio piuttosto pratico per la creazione.

Con un grado di influenza più alto, il risultato sarà più vicino al riferimento; con uno più basso, si lascerà al modello più margine per reinterpretare. Non può necessariamente sostituire un arrangiamento professionale, ma è molto più intuitivo che descrivere la musica semplicemente con alcuni aggettivi.

Naturalmente, l'audio di riferimento non è una scorciatoia per il copyright.

Che si tratti di cover, fusioni o progetti commerciali, è necessario assicurarsi che il contenuto caricato e l'uso finale dispongano delle autorizzazioni necessarie. Ciò che la tecnologia può fare e se il contenuto possa essere utilizzato legalmente restano comunque due questioni diverse.

L'integrazione non è complessa, ciò a cui bisogna davvero prestare attenzione è il flusso delle attività

Flusso di integrazione dell'API ACE Music

ACE Music fornisce principalmente in Ace Data Cloud tre tipi di interfacce: brani, testi e interrogazione delle attività.

La generazione dei brani utilizza:

POST https://api.acedata.cloud/acemusic/audios

La generazione dei testi utilizza:

POST https://api.acedata.cloud/acemusic/lyrics

L'interrogazione delle attività utilizza:

POST https://api.acedata.cloud/acemusic/tasks

Prima della chiamata ufficiale, è necessario prima creare o copiare una API Key nella console di Ace Data Cloud, e assicurarsi che le credenziali dispongano dell'autorizzazione di accesso ad ACE Music e di credito disponibile. La richiesta completa l'autenticazione dell'identità tramite Bearer Token.

Se si parte soltanto da un'ispirazione di una frase, è possibile inviare una richiesta come questa:

curl --request POST 'https://api.acedata.cloud/acemusic/audios' \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "acemusic-v1.1",
    "custom": false,
    "prompt": "一首温暖克制的中文民谣,写给离开故乡多年的人,木吉他与轻柔弦乐,女声自然",
    "async": true
  }'

Se i testi sono già pronti, è possibile utilizzare la modalità personalizzata:

curl --request POST 'https://api.acedata.cloud/acemusic/audios' \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "acemusic-v1.1",
    "custom": true,
    "title": "老街的灯",
    "style": "Warm Chinese folk pop, intimate female vocal, acoustic guitar, soft strings, restrained emotion",
    "lyric": "[Verse]\n离开以后才发现\n那条街并没有走远\n\n[Chorus]\n老街的灯还亮着\n像有人等我回去",
    "async": true
  }'

Dopo che l'interfaccia ha accettato la richiesta, di solito restituisce prima task_id, il che non significa che la canzone sia già stata generata.

Il modo corretto è salvare questo ID attività e poi interrogare l'avanzamento tramite l'interfaccia delle attività. Una volta che l'attività ha esito positivo, il risultato includerà due tracce audio, ciascuna con il proprio titolo, testo, Style, durata, indirizzo audio e ID della traccia utilizzabile per successive cover o fusioni.

Se si tratta di un prodotto ufficiale, si consiglia di passare contemporaneamente Idempotency-Key.

Quando la rete si interrompe o la pagina viene aggiornata, il client può utilizzare l'identità della richiesta originale per recuperare l'attività, invece di inviare nuovamente una nuova generazione a pagamento. Utilizzando la stessa chiave di idempotenza e la stessa richiesta, verrà restituita l'attività originale; se la chiave di idempotenza è la stessa ma il contenuto della richiesta è diverso, la richiesta verrà rifiutata.

Per i prodotti che devono funzionare a lungo termine, è inoltre possibile configurare callback_url. Al completamento dell'attività, il servizio invierà il risultato finale all'indirizzo specificato, e il frontend non dovrà continuare a effettuare il polling.

Da un pulsante di generazione a un prodotto musicale realmente utilizzabile

Integrare un modello musicale non è difficile.

La vera difficoltà è far sì che gli utenti vogliano conservare il risultato.

Questo richiede che il prodotto non fornisca solo una casella di input e un pulsante di generazione, ma gestisca con attenzione anche la modifica dei testi, il confronto delle versioni, l'anteprima, il recupero delle attività, i preferiti e il download. Le due candidate dovrebbero essere confrontate una accanto all'altra, anziché essere disperse nella cronologia; lo stato di errore dovrebbe spiegare chiaramente cosa è accaduto, anziché mostrare solo “errore di generazione”; anche dopo un'interruzione della rete, l'attività originale dovrebbe continuare a essere recuperata, anziché costringere l'utente a ricominciare da capo.

I vantaggi di ACE Music sono particolarmente adatti proprio a questo approccio di prodotto più pragmatico.

Non presenta le capacità attuali come una workstation musicale onnipotente, ma rende sufficientemente diretti i percorsi più comuni: inserire un'ispirazione o un testo, attendere il completamento dell'attività, ottenere due canzoni complete e poi scegliere la versione migliore tra esse.

Se è necessario continuare a perfezionare, il risultato può essere inviato al successivo processo di produzione; se si cerca solo una canzone completa per un breve video, una storia, una scena di gioco o una creazione personale, il risultato generato stesso può diventare il punto di partenza.

La generazione musicale, arrivata a questo punto, non è più semplicemente “far cantare una canzone al modello”.

Abbiamo iniziato a preoccuparci che il testo sia stato espresso con cura, che il ritornello possa lasciare un ricordo, che il costo possa sostenere tentativi ripetuti, e abbiamo anche iniziato a preoccuparci che una capacità sia sufficientemente stabile da poter davvero entrare nel proprio prodotto.

Ciò che offre ACE Music è un altro percorso più leggero e più diretto.

Non prendere tutte le decisioni al posto dei creatori, ma permettere all'ispirazione di avere più rapidamente una versione che possa essere ascoltata.

E il punto in cui molte opere iniziano davvero è spesso proprio quando le si ascolta per la prima volta.


Se vuoi provare ACE Music in prima persona, puoi accedere ad Ace Data Cloud da qui:

Documentazione tecnica per l'integrazione di ACE Music