Ja jūs vēlaties Ģenerējiet mūziku ar mākslīgo intelektu savā datorā, nesūtot neko uz ārējiem serveriemMeta MusicGen ir tieši tas, ko meklējāt. Šis modelis ir izstrādāts lokālai darbībai, tāpēc jūsu audio, teksta kāti, atsauces un uzvednes nekad nepamet jūsu datoru, ja vien jūs to neizvēlaties. Ideāli piemērots, ja strādājat ar konfidenciāliem projektiem, licencētiem paraugiem vai idejām, kuras vēl nevēlaties publicēt.
Papildus radošajam aspektam, MusicGen lokāla izmantošana paver durvis uz izveidot nelielu, labi organizētu “studiju”Lejupielādēti modeļi diskā, skaidri metadati, automātiskas dublējumkopijas un meklēšanas sistēma, kas ļauj atrast jebkuru renderējumu dažu sekunžu laikā. Tas viss bez mākoņa ierobežojumiem, rindām un ar precīzu kontroli pār to, kas ko var redzēt jūsu tīklā.
Kāpēc ir vērts lokāli izmantot Meta MusicGen
Kad palaižat MusicGen savā ierīcē, Jūs izlemjat, kas ienāk, kas iziet un kam ir piekļuve.Tas ir ļoti svarīgi, ja strādājat ar profesionāliem pasūtījumiem, ar autortiesībām aizsargātiem ierakstiem vai privātām atsaucēm. Nav automātiskas augšupielādes trešo pušu serveros, jūs neatstājat nekādas pēdas ārējos pakalpojumos un samazināt sava darba publicitāti.
Šī pieeja lieliski atbilst daudzu tehnisko un muzikālo kopienu filozofijai: atvērtie rīki, eksperimentēšana un reproducējamas darbplūsmasVarat pārbaudīt parametrus, salīdzināt versijas un dokumentēt katrā sesijā paveikto, lai vajadzības gadījumā varētu atkārtot rezultātus.
Tas ir pamanāms arī veiktspējā: ģenerējot lokāli, jums ir stabila latentuma pakāpe bez pārsteigumiem ārēja piesātinājuma dēļJūs neesat atkarīgs no tā, vai pakalpojumu sniedzēja API ir atvērts, kā arī no tīkla pārtraukumiem vai pēkšņām lietošanas politikas izmaiņām, kas vienas nakts laikā ierobežo jūsu izveidojamo audio minūšu skaitu.
Visbeidzot, strādājot lokāli, ir vieglāk iestatīt savu "datu pārvaldību": labi izstrādāti metadati, skaidri ceļi un dublēšanas un atļauju plāns kas pārveido jūsu mūzikas arhīvu no mapju džungļiem ar neiespējamiem nosaukumiem par meklējamu katalogu, gandrīz kā privāts straumēšanas pakalpojums.
Minimālās prasības un vides sagatavošana
Lai MusicGen darbotos nevainojami, vislabāk ir izmantot Salīdzinoši moderna NVIDIA GPU ar CUDA 11 vai jaunākas versijas atbalstuAr 8–12 GB videoatmiņu var diezgan ērti strādāt ar maziem un vidējiem modeļiem; ja mērķējat uz lielu modeli, ieteicams izmantot 16 GB vai vairāk. Var paļauties arī tikai uz centrālo procesoru, taču ģenerēšanas laiks ievērojami palielinās.
Programmatūras līmenī ir ierasts iestatīt Python 3.9 vai jaunāku vidi, vai nu ar conda vai venv, lai izolētu atkarībasJums būs jāinstalē PyTorch (ar konkrēto CUDA versiju, ja jums ir GPU) un sistēmā jābūt pieejamam FFmpeg, lai varētu bez sarežģījumiem lasīt un rakstīt audio dažādos formātos.
Profesionālā vidē audio un sistēmu komandām ir ieteicams koordinēt savu darbu: Definējiet, kur atrodas modeļi, kādas atļaujas ir mapēm un kā tiek pārvaldīti atjauninājumi.Tas neļauj katram lietotājam vairākas reizes lejupielādēt vienu un to pašu failu vai kādam nejauši izdzēst veidni, ko izmanto visi.
Kad Python vide ir sagatavota un PyTorch ir instalēts, pārbaudiet, vai FFmpeg ir jūsu sistēmas PATH, lai jūs varētu Konvertēt starp WAV, MP3 un citiem formātiemkā arī apgriešanu, normalizēšanu vai atkārtotu izlasi, ja nepieciešams, skriptos vai komandrindā.
Instalējiet Audiocraft un MusicGen, neatejot no datora
MusicGen ir daļa no Meta Audiocraft projekta, tāpēc viss sākas ar šīs pakotnes instalēšanu. Vienkāršākais veids to izdarīt ir, izmantojot pip, kas nodrošinās gan modeli, gan utilītas darbam ar to. tieši no jūsu vietējās vides.
Tipiska plūsma izskatītos apmēram šādi: vienmēr tiek palaists no jūsu Python virtuālās vides:
pip install -U audiocraft
pip install gradio huggingface_hub
Pirmā komanda instalē atjaunināto Audiocraft, bet otrā pievieno Gradio, lai iestatītu lokālo tīmekļa saskarni un Hugging Face rīkus, kas atvieglos modeļa svaru lejupielādi diskā.
Lai patiešām strādātu bezsaistē, triks ir lejupielādēt kontrolpunktus tikai vienu reizi un saglabāt tos kontrolētā mapē. Ar Hugging Face komandrindas saskarni varat rīkoties šādi:
huggingface-cli download facebook/musicgen-small --local-dir models/musicgen-small
Atkārtojiet procesu ar citiem modeļiem, kas jūs interesē (vidējs, liels, melodijs utt.), un pēc tam definējiet kešatmiņas ceļu ar vides mainīgo, piemēram, šo: HF_HOME norāda uz jūsu modeļu mapiTādā veidā, skriptos izsaucot MusicGen, kodam nebūs jāizveido savienojums ar internetu, lai meklētu svarus.
Pieejamie MusicGen modeļi un resursu patēriņš
Meta piedāvā vairākus MusicGen izmērus, lai tie atbilstu dažādām iekārtām un vajadzībām. Vispārīgi runājot, visbiežāk izmantotie ir: musicgen-small, musicgen-medium, musicgen-large un tā melodijas varianti, kas pieņem melodisku vadlīniju kā ievades audio.
Mazais modelis ir viegls un ideāli piemērots prototipu veidošanai un daudzu ātru skiču ģenerēšanai. Šis datu nesējs piedāvā kvalitātes lēcienu, vienlaikus saglabājot saprātīgu VRAM patēriņu. Lielā modeļa mērķis ir... maksimāla precizitāte un labākā tekstūraTomēr tas prasa ievērojami vairāk grafikas atmiņas un skaitļošanas laika.
Ja izmantojat 8–12 GB grafisko karti, parasti jāizmanto mazi vai vidēji iestatījumi, it īpaši, veidojot garus 30–60 sekunžu klipus. Tas ir iespējams ar tīru centrālo procesoru, taču ieteicams izmantot mazākus vai vidējus iestatījumus. Saīsiniet ilgumu, samaziniet partijas lielumu un apbruņojieties ar pacietību.Ideja ir pielāgot līdzsvaru starp kvalitāti, laiku katrā iterācijā un pieejamajiem resursiem.
MusicGen arī izklāsta vairākus parametrus, kas būtiski ietekmē gala rezultātu: top_k, top_p, temperatūra un cfg_coefCita starpā. Rotaļāšanās ar tiem ļauj pāriet no ļoti konservatīvām un atkārtotām lietām uz riskantākiem un radošākiem darbiem. Ir ieteicams atzīmēt, kādu kombināciju izmantojāt katrā renderējumā, lai vēlāk varētu to reproducēt.
Audio ģenerēšana ar MusicGen: CLI, lokālā lietotāja saskarne un Python skripti
Kad Audiocraft ir instalēts, varat izvēlēties starp nelielas lokālas tīmekļa saskarnes izmantošanu vai Python skriptu palaišanu. Ātrai pārbaudei ir ērti palaist Gradio demonstrācijas versiju un Rakstiet uzdevumus tā, it kā jūs atrastos mākslīgā intelekta tīmekļa vietnēbet ar serveri, kas darbojas jūsu datorā.
Daudzās Audiocraft versijās jūs varat dari kaut ko līdzīgu šim:
python -m audiocraft.demo.app
Tas atver pārlūkprogrammā saskarni, kurā varat ievadīt ģenerējamās mūzikas aprakstus, pielāgot ilgumu un lejupielādēt rezultātu WAV formātā tieši cietajā diskā. bez jebkādas informācijas nosūtīšanas ārpus jūsu tīklaTas ir ideāls veids, kā eksperimentēt pirms MusicGen integrēšanas jūsu nopietnajā producēšanas darbplūsmā.
Ja automatizācija ir jūsu lieta, Python valodā modeli var ielādēt šādi, norādot uz lokālajiem svariem, ja tos iepriekš esat lejupielādējis:
from audiocraft.models import MusicGen
import torchaudio
modelis = MusicGen.get_pretrained("facebook/musicgen-small")
model.set_generation_params(duration=30, top_k=250, top_p=0.0,)
temperatūra = 1.0, cfg_coef = 3.0)
uzvednes =
wavs = model.generate(uzvednes)
torchaudio.save("render_ambient.wav", wavs.cpu(),)
parauga_likme=model.parauga_likme)
Melodijas variantu gadījumā varat ielādēt ģitāras līniju, klavieres vai jebkuru melodisku atsauci un lūgt modelim to ievērot. Plūsma mainās apmēram šādi, kur Jūs apvienojat audio norādījumus ar teksta uzvedni:
from audiocraft.models import MusicGen
import torchaudio
modelis = MusicGen.get_pretrained("facebook/musicgen-melody")
model.set_generation_params(ilgums=20)
melodija, sr = torchaudio.load("referencias/guitarra_clean.wav")
uzvednes =
wavs = model.generate_with_chroma(uzvednes,
melodijas_wavs=,
melodijas_parauga_likme=sr)
torchaudio.save("balādes_vadītais.wav", wavs.cpu(),)
parauga_likme=model.parauga_likme)
Kad esat pabeidzis renderēšanas partiju, jūs sev izdarīsiet pakalpojumu, saglabājot ierakstus ar skaidriem nosaukumiem (piemēram, temaX_v1, temaX_v2, temaX_v2bUn paralēli jūs atzīmējat ilgumu, sākotnējo vērtību, izmantoto modeli un galvenos parametrus. Tādā veidā jūs varat rekonstruēt vai attīstīt jebkuru ideju, "neuzminot", ko jūs darījāt tajā dienā.
Organizējiet renderējumus, celmus un uzvednes ar metadatiem NDJSON formātā
Audio ģenerēšana ir tikai puse no darba; otra puse ir enerģija atrodi savu radīto, neļaujoties trakumamĻoti praktiska stratēģija ir izmantot NDJSON (JSON Lines), lai saglabātu katras renderēšanas datu lapu, sasaistot to ar atbilstošo WAV vai FLAC failu.
Praksē katra šī NDJSON faila rinda ir dokuments ar unikāls ID, metadatu bloks un atsauce uz audio failu diskā, piemēram, izmantojot shēmu, kas līdzīga šai:
{ "id": "audio-001",
"jsonData": "{\"titulo\":\"Demo 1\",\"genero\":\"ambient\"}",
"content": {
"mimeType": "audio/wav",
"uri": "file:///proyectos/renders/demo_1.wav"
}
}
{ "id": "audio-002",
"structData": {
"titulo": "Demo 2",
"bpm": 92,
"mood": "melancolico"
},
"content": {
"mimeType": "audio/flac",
"uri": "file:///proyectos/renders/demo_2.flac"
}
}
Izstrādājot šos metadatus, ir lietderīgi iekļaut vismaz nosaukums, žanrs vai noskaņojums, BPM, galvenie instrumenti, sākotnējais signāls, kontrolpunkts, paraugu ņemšanas parametri un faila ceļšAr to tagad varat filtrēt pēc noskaņojuma, tempa vai tehniskās konfigurācijas, kad vēlaties pārskatīt vecas idejas.
NDJSON skaistums slēpjas apstāklī, ka tas ļoti labi integrējas ar indeksēšanas un meklēšanas rīkiem: to var ielādēt nelielā lokālā meklētājprogrammā, datubāzē vai pat datu noliktavā, un ar vienu meklēšanu viss audio arhīvs ir pa rokai, nepārvietojot WAV failus no to sākotnējās mapes.
Vietējā indeksēšana: iekšējās wiki vietnes un meklētājprogrammas jūsu pētījumam
Projektam augot, audio ne tikai uzkrājas: sāk parādīties problēmas iekšējās wiki lapas, rokasgrāmatas, tehniskās piezīmes, iestatījumi, sesiju lapas...un, ja vēlaties, lai tas viss būtu lokāls, bet “meklējams”, jums jāapsver, kā tas tiek indeksēts.
Ja pētījumam izveidojat intranetu vai wiki, ir svarīgi definēt, kurus URL var pārmeklēt un kurus nevar. Piemēram, parasti ir ieteicams Izslēdziet tādus modeļus kā /search/* vai dinamiskos rezultātu ceļusjo katra meklēšana ģenerē atšķirīgu URL, un tas pārblīvē indeksu ar tūkstošiem gandrīz identisku lapu.
Tāpat ieteicams apvienot dublikātus, izmantojot kanoniskus URL: ja vienu un to pašu lapu var atvērt pa vairākiem maršrutiem, atzīmējiet vienu no tiem kā primāro URL. rel="canonical" vai cits līdzvērtīgs mehānismslai lokālā indeksēšanas sistēma to nedublētu. Atkarībā no rīka varat konfigurēt desmitiem vai simtiem iekļaušanas un izslēgšanas modeļu vēl lielākai precizēšanai.
Ja jūsu iekšējā meklētājprogramma respektē robots.txt failu, pārliecinieties, vai aģentiem, kas pārmeklēs jūsu dokumentāciju, ir atļauja. Bloka piemērs izskatītos apmēram šādi: User-agent: Google-CloudVertexBot pēc tam Allow: / ja vēlaties piešķirt pilnīgu piekļuvi, pat iekšējās vidēs Parasti izsekošanu ierobežo dažos konkrētos maršrutos. un pārējo atstājiet ārpusē, lai izvairītos no noplūdēm vai nevajadzīgas indeksēšanas.
Nestrukturēti dokumenti: atbalstītie formāti un praktiskie ierobežojumi
Jūsu MusicGen darbplūsmas dokumentācijas daļā jūs, visticamāk, apstrādāsiet rokasgrāmatas, dziesmu tekstus, miksēšanas rokasgrāmatas vai tehnisko dokumentāciju. Daudzas lokālās meklēšanas un indeksēšanas sistēmas ar to labi darbojas. HTML, TXT un PDF, kas satur tekstu, un daži pievieno sākotnēju saderību ar tādiem formātiem kā PPTX vai DOCX, kas koncentrējas uz mašīnlasāmu tekstu.
Ja importējat lielas dokumentu partijas, parasti ir ierobežojumi kopējam skaitam vienai darbībai (piemēram, aptuveni 100 000 failu katrā partijāun katra faila maksimālo lielumu. Standarta parsētājos HTML, TXT, JSON, XHTML vai XML failu lielums var būt aptuveni 200 MB, taču, aktivizējot izkārtojuma analīzi vai uzlaboto fragmentāciju, tipiskais ierobežojums samazinās līdz aptuveni 10 MB vienam failam.
Office formātos, piemēram, PPTX, DOCX vai XLSX, ierobežojumi parasti saglabājas aptuveni 200 MB pat tad, ja fails tiek sadalīts vai tiek lietots izkārtojuma analizators. PDF faili parasti pieņem līdz 200 MB vienkāršajā režīmā un aptuveni 40 MB, ja tiek aktivizēts prasīgāks izkārtojuma analizatorsit īpaši, ja ir daudz galdu vai sarežģīts dizains.
Ja kāds no jūsu PDF failiem ir tikai skenēts teksts vai tajā ir iestrādāts teksts, ir vērts iespējot OCR ar mašīnlasāmā teksta opciju. Tas ļauj jums iegūt teksta blokus un tabulas ar ievērojamu precizitāti un ka jūsu semantiskās meklētājprogrammas vai RAG sistēmas var izmantot šo informāciju, lai atbildētu uz jautājumiem par jūsu sesijām.
Dokumentu avoti: lokālā krātuve, konteineri un NDJSON
Hibrīda studijā varat apvienot tīklā esošu NAS ar lokāliem vai mākoņkrātuvēm noteikta veida dublējumkopijām. Parasti jūs iespējotu rekursīva importēšana no saknes mapeslai indekss iekļautu visu apakšdirektoriju saturu, jums neiedziļinoties mapēs pa mapei.
Ja izvēlaties neizmantot papildu metadatus, katra dokumenta identifikatoru var atvasināt no faila nosaukuma vai jaucējkoda. Vēl viena efektīva iespēja ir izmantot NDJSON ar laukiem. jsonData vai structDatakur jūs glabājat šos metadatus un norādāt uz faktisko failu, izmantojot URI lauku un saistīto mimeType.
Sarežģītākās arhitektūrās šo informāciju var uzglabāt datu noliktavā ar tabulu, kurā ir id, jsonData un satura ieraksts ar mimeType un URI. Šī pieeja ir labi piemērota lieliem mūzikas, presetu, paraugu vai dokumentācijas katalogiem, kas saistīti ar jūsu MusicGen projektiem.
Strukturēti dati, shēmas un uzlaboti filtri
Ja vēlaties spert soli tālāk un filtrēt rezultātus pēc atslēga, BPM, instruments, versija vai projekta statussIr vērts šos datus strukturēt formālā shēmā. Daudzas sistēmas importēšanas laikā automātiski nosaka shēmu, taču ieteicams to pārskatīt vai definēt pašam, izmantojot JSON, lai nodrošinātu, ka tādi lauki kā nosaukums vai atslēgas metadati tiek interpretēti pareizi.
Strādājot ar NDJSON segmentos, jāņem vērā tādi ierobežojumi kā faili, kuru maksimālais lielums ir 2 GB, un līdz 1.000 failiem vienā darbībā importēšanai. Ja izmantojat BigQuery, ieteicams arī izvairīties no ārējām tabulām un kolonnām ar elastīgiem nosaukumiem, jo daudzos gadījumos šie elementi netiek importēti.
Strukturētu datu priekšrocība ir tā, ka var iekļaut bagātīgus tipus: Būla vērtības, datumus, masīvus vai ligzdotus objektus. Šī elastība ļauj paplašināt katalogu, nepārtraucot saderību, un turpināt precizēt meklēšanu, laika gaitā pieaugot renderējumu, celmu un dokumentācijas bibliotēkai.
Dokumentu fragmentācija un RAG jūsu mūzikas dokumentācijai
Ja vēlaties uzdot tādus jautājumus kā “Kādu kompresoru un ar kādiem iestatījumiem es tajā dienā izmantoju miksā?Ja, veidojot dokumentu krātuvi, vēlaties iespējot fragmentāciju, sistēma, nevis izgūs visu 200 lappušu PDF failu, piegādās tikai atbilstošos fragmentus šim vaicājumam.
Izmantojot dizaina analizatorus, kas ņem vērā tabulas, galvenes vai sarežģītus izkārtojumus, atcerieties, ka failu lieluma ierobežojumi parasti ir stingrāki. Šādos gadījumos ir noderīgi... sadaliet garus dokumentus sadaļās vai nodaļās pirms to indeksēšanas, lai dzinējs darbotos ar vieglākām daļām un konteksta ieguve būtu precīzāka.
Iegulšana un semantiskā meklēšana audio failā
Vektoru iegulšanas saistīšana ar metadatiem paver daudz dabiskāku meklēšanas diapazonu: varat meklēt tādas lietas kā “nostalģiska skaņa ar tīru ģitāru un bagātīgu atbalsi” un ka sistēma iesaka atbilstošus ierakstus, pat ja to nosaukumā vai aprakstā nav tieši šo vārdu.
Ja jau no paša sākuma paredzat, ka šāda veida "izplūdušas" meklēšanas būs nepieciešamas celmiem, iepriekš iestatītiem elementiem vai atsaucēm, ir vērts rūpīgi plānot, kur un kā tiek ģenerēti iegultie elementi: Kādu modeli jūs izmantojat, kur tie tiek glabāti un kā tie ir saistīti ar jūsu ID?Vēlāk šie lēmumi ļoti atvieglos jūsu datu savienošanu ar RAG palīgiem, informācijas paneļiem vai rīkiem, kas piekļūst jūsu privātajai mūzikas bibliotēkai.
Drošība, identitātes un piekļuves kontrole iekšējā tīklā
Strādājot objektā, visa atbildība par drošību gulstas uz jums, tāpēc ir ļoti svarīgi definēt [nepieciešamos drošības pasākumus]. Kas ko redz jūsu studijā vai uzņēmumāIdentitātes nodrošinātāja (IdP) un atļauju iestatīšana pa grupām (ražošanas, miksēšanas, juridiskās, viesu u. c.) palīdz nodrošināt, ka katra persona var piekļūt tikai nepieciešamajiem resursiem.
Iekšējos portālos papildus pieteikšanās kontrolei ieteicams pārbaudīt, kuri aģenti var pārmeklēt un indeksēt saturu. Šim nolūkam ir nepieciešami pamata soļi, tostarp pakalpojumu kontu ierobežošana, robots.txt pārskatīšana un koplietoto mapju piekļuves sarakstu (ACL) pielāgošana. lai novērstu celmu, pamatdokumentu vai sensitīvu dokumentu izpaušanu caur neuzmanību.
Īpaši gadījumi: veselības aprūpes projekti un FHIR standarts
Projektos, kuros ģenerētā mūzika vai mākslīgā intelekta rīki ir saistīti ar veselības informācija vai medicīniskie ieraksti (piemēram, mūzikas terapijas iniciatīvās), tiek piemērotas stingras prasības, īpaši, ja tās tiek integrētas ar FHIR datiem.
Ja sistēmā izmantojat Vertex AI Search, avota FHIR krātuvei ir jābūt R4 tipa un jāatrodas noteiktās vietās, piemēram, us-central1, us vai eu. Turklāt pastāv resursu skaita ierobežojumi katrai darbībai (apmēram ne vairāk kā viens miljons FHIR resursu) un to, kā no mākoņkrātuves tiek atsaukti uz PDF, RTF vai attēlu failiem, parasti izmantojot standarta gs:// ceļus laukā content[].attachment.url.
Ir arī svarīgi, lai relatīvās atsauces saglabātu formātu Resource/resourceId (piemēram, Patient/034AB16), lai izvairītos no klusām kļūdām, kuras vēlāk ir grūti diagnosticēt.
Dublējumkopijas: lokāla, mākoņa un vienvirziena sinhronizācija
MusicGen lokāla lietošana nenozīmē atteikšanos no ārējas dublējumkopijas; mainās tikai jūsu izvēle. kādi dati atstāj jūsu tīklu un kā tie tiek šifrētiTādi pakalpojumi kā pCloud, MEGA, Google Drive, Sync.com, Dropbox, Icedrive, Box vai iCloud piedāvā dažādus līdzsvarus starp privātumu, cenu un ērtībām.
Lielākā daļa piedāvā no 5 līdz 15 GB bezmaksas krātuves, kas ir pietiekami nelielai projektu kolekcijai; ja jūsu katalogs palielinās, jums būs rūpīgi jāpārskata maksājumu plāni, šifrēšanas politika, pārsūtīšanas ierobežojumi un atbalsts. Daudzi profesionāļi apvieno divus pakalpojumus (piemēram, Drive un Dropbox). ērti kopīgot ar klientiem un sadarbības partneriem un vienlaikus nodrošināt redundanci, ja kāds no tiem neizdodas.
Ja vēlaties, lai mākoņa dublējums būtu paredzēts tikai augšupielādei (dators → mākonis) un lai dzēšanas netiktu atspoguļotas abās pusēs, tādi rīki kā rclone vai MEGAcmd nodrošina "kopēšanas" režīmu, kas neizdzēš failus galamērķī. Šādas komandas kā rclone copy o megacopy jums ir atļauts ieplānot deterministiskas un vienvirziena dublējumkopijas, ļoti noderīgi lielām renderējumu bibliotēkām, kas ģenerētas ar MusicGen.
Tā pati filozofija attiecas uz ārējiem diskdziņiem: izmantojiet spoguļošanas režīmus ar reģistrēšanu un versiju kontroli, izmantojot FreeFileSync, Robocopy vai līdzīgus risinājumus. Pirms automātiskās dzēšanas iespējošanas ieteicams rūpīgi pārbaudīt darbību un, ja iespējams, saglabāt versijas mērķa diskā, lai novērstu cilvēciskās kļūdas.
Apvienojot MusicGen lokāli ar labu metadatu shēmu, indeksēšanu un dublēšanu, jūsu mājas vai profesionālā studija kļūst vēl labāka. uzvedas kā stabila un privāta platformakur varat veidot, organizēt un izgūt mūziku ar tādu pašu vieglumu kā mākonī, taču ar kontroli un sirdsmieru, zinot, ka viss notiek pēc jūsu noteikumiem.
