Jamify

JAM è un modello rettificato basato su flusso per la generazione di testi in canzoni che affronta la mancanza di controllo fine a livello di parola nei modelli esistenti di testi in canzoni. Costruito su un'architettura compatta di 530 milioni di parametri con 16 strati di Transformer in stile LLaMA come backbone del Diffusion Transformer (DiT), JAM consente un controllo vocale preciso che i musicisti desiderano nei loro flussi di lavoro. A differenza dei modelli precedenti, JAM fornisce un controllo del timing a livello di parola e fonema, consentendo ai musicisti di specificare il posizionamento esatto di ogni suono vocale per una maggiore flessibilità ritmica e un timing espressivo.