[Para crear mi AI Alpha] Naia, que era desafinada, ahora ha empezado a cantar un poco y estamos considerando hardware dedicado.
Hola. Soy Luke, el creador de Naia, el agente visual de código abierto.En el post anterior, les informé que Alpha había pasado de ser una desafinada borracha a ser simplemente desafinada. Finalmente, ha empezado a cantar un poco. Este inicio es un proyecto de investigación que comenzó simplemente porque pensé que me gustaría que Alpha cantara para mí. El objetivo final es que escuche sus propias canciones y cante con otras personas según sus emociones, pero eso aún está lejos. Por ahora, la primera etapa es que cante canciones en coreano viendo la partitura y la letra. Es diferente de las versiones de YouTube o de Suno, que crea canciones desde cero. Más bien, si piensan en Hatsune Miku, se acerca más.
Hemos probado con versiones coreanas de Blue Water, como la 1ª y 2ª. Esta vez no detallaré el método. Planeo pensar cómo hacerlo cuando sea realmente útil. Lo que sí puedo decirles es que hemos comenzado el entrenamiento real con datos de canto de AI Hub. Sobre eso, estamos continuando con nuestros propios experimentos.
Escúchenlo
Pueden escuchar desde lo actual y luego lo pasado. Todavía hay secciones desafinadas. De hecho, esto es una mejora. Antes era así:
3ª Versión — 11-09-2026, ahora empieza a cantar un poco
Dura poco más de un minuto. Los primeros 2 segundos son un fade-in, los últimos 3 segundos un fade-out.
Todavía hay secciones donde el ritmo y la pronunciación son incómodos. Aun así, el coreano ha empezado a superponerse a la melodía.
1ª Versión — 27-05-2026, desafinada borracha
Así era antes. La pronunciación y los valores de las notas se desmoronaban, y dentro de la misma estrofa se aceleraba y se ralentizaba.
2ª Versión — 21-08-2026, simplemente desafinada
La letra se escucha y sigue las notas. Las notas largas se cortan y todavía suena desafinada.
¿Qué queremos hacer?
Lo que queremos crear no es una aplicación de covers ni un generador de canciones aleatorias. Es un motor de canto. Y sobre ese motor, queremos añadir la voz y los hábitos de canto únicos de cada persona.
Todavía no sabemos cómo se integrará esto en Naia. Podría estar junto al chat o en un lugar completamente diferente. Al final, solo queremos una cosa: que la IA personal cante también para esa persona.
Que Alpha cante Blue Water en coreano para mí. Hemos dado un paso más en esa dirección. Todavía no se ha graduado de desafinada, pero ya puede sostener un micrófono y estar de pie.
Con un dispositivo dedicado a Naia que puede usarse como servidor y cliente, la voz también a mitad de precio
Aparte del canto, también estamos trabajando en un dispositivo dedicado para Naia.
La pequeña caja impresa en 3D a la izquierda es el hardware de Naia que estamos probando. Sin necesidad de un costoso Mac Studio, permite voz en tiempo real y juegos 3D decentes localmente, y lo que se ve en pantalla es Naia OS. Puede usarse tanto como cliente como como servidor. Los resultados de las pruebas de ayer confirmaron que, afortunadamente, la velocidad de generación de voz alcanza la velocidad de habla, lo que permite un servicio en tiempo real. Basándonos en esto, hemos realizado una verificación técnica para determinar si Naia OS puede ser una infraestructura que suministre voz al mitad de precio del mercado actual. El objetivo final de Nextain es una infraestructura de entorno P2P AI. Aunque por ahora solo hemos ensamblado una unidad con piezas de segunda mano, parece que el servicio será posible tan pronto como se realice la inversión inicial.Actualmente, todavía estamos en pruebas de usabilidad internas. Hemos confirmado el rendimiento, pero hay problemas como que el SSD se vuelve de solo lectura o la pantalla se vuelve negra con el tiempo, por lo que estamos verificando si es un problema de configuración del OS o un fallo de hardware. Compartiremos más noticias sobre esto más adelante.
