Jamify

JAM est un modèle rectifié basé sur le flux pour la génération de paroles en chansons qui traite du manque de contrôle fin au niveau des mots dans les modèles existants de paroles en chansons. Construit sur une architecture compacte de 530 millions de paramètres avec 16 couches de Transformer de style LLaMA comme colonne vertébrale du Diffusion Transformer (DiT), JAM permet un contrôle vocal précis que les musiciens souhaitent dans leurs flux de travail. Contrairement aux modèles précédents, JAM fournit un contrôle du timing au niveau des mots et des phonèmes, permettant aux musiciens de spécifier le placement exact de chaque son vocal pour une flexibilité rythmique améliorée et un timing expressif.