Kits AI vs Moises

Kits AI y Moises poseen una base tecnológica común que se basa en el uso de redes neuronales entrenadas con datos acústicos concretos, pero su modo de proceder y su utilización práctica son dos cosas completamente distintas.

Kits.ai tiene un enfoque claramente orientado hacia la generación y clonación de voces cantadas por medio de IA, encontrando su principal potencial en el entrenamiento de modelos vocales a partir de muestras de voz de personas reales. Esto le permite a productores, cantantes y creadores de contenido generar interpretaciones vocales de un alto nivel de fidelidad aplicando estas voces a nuevas melodías o letras, o bien ofrece la opción de transformar una voz ya grabada en otra con un timbre diferente, lo cual genera unas posibilidades creativas muy interesantes para la composición musical.

Moises AI es un sistema de clasificación más enfocado hacia el procesamiento y separación de los segmentos de audio, encontrando su herramienta principal en la extracción automática de la voz, la batería, o el bajo o los instrumentos de una canción completa, lo cual es extremadamente útil para practicar, realizar remezclas o estudiar las estructuras musicales. Incluye además las funciones de cambio de tono o tempo, generación de partituras y detección de acordes en tiempo real orientadas a músicos, docentes y estudiantes.

Cuando el objetivo de la tarea es dar lugar a nuevas voces y, a partir de ellas, explorar la sintetización voz y voz, Kits AI, es un paso por delante, tanto para el trabajo de producción musical profesional como el de producción experimental. Sin embargo, si lo que se requiere es analizar, estudiar o remezclar canciones preexistentes, Moises es mucho más potente, ya que es una plataforma centrada en la ingeniería inversa del audio.

¿Cuánto cuestan Kits AI y Moises?

Kits AI opera con un modelo de negocio freemium, donde podemos acceder a unas pocas voces preentrenadas y generar muestras vocales mediante un plan gratuito. Para sacar el máximo partido de la herramienta —ya sea para crear modelos vocales personalizados, para el uso comercial de los resultados o para la generación avanzada de voz— es necesario empezar a pagar uno de sus planes, que van desde los 10 a los 40 dólares o euros al mes en función de los créditos de generación vocal, cuántas voces hay disponibles y cómo se usen los resultados obtenidos para uso comercial.

Los planes más caros se concentran en los niveles de prioridad que consiguen en el procesamiento y el acceso anticipado a nuevas funciones. Es fácil ver que se convierte en una buena inversión para productores musicales, estudios o creadores que trabajen de forma habitual con voces generadas por IA.

Moises, por su parte, también dispone de un plan gratuito bastante generoso, ya que pone límite tanto en la duración de los audios como en la calidad de exportación. Su suscripción para músicos y docentes tiene un coste que se sitúa entre 3 y 10 dólares o euros al mes y tiene por objetivo desactivar las funciones clave que hacen que este software sea perfecto, tales como: separación de pistas en alta calidad, cambio de tempo sin alterar el tono, cambio de tonalidad, generación de partituras, almacenamiento en la nube… Moises también dispone de planes anuales en descuentos, lo que hace que sea una opción bastante asequible para el público general que quiere estudiar o practicar con sus canciones preferidas.

¿Cómo funcionan Kits AI y Moises?

Kits AI se fundamenta en modelos generativos que están entrenados en la síntesis y la clonación de voz cantada. Este sistema utiliza redes neuronales profundas (generalmente autoencoders o bien variantes de modelos de tipo Diffusion o de tipo Transformer) que efectúan el aprendizaje del timbre y la textura, y del rango vocal de una voz humana a partir de grabaciones.

Si se ha entrenado el modelo con muestras de voz suficientemente numerosas, es capaz de generar interpretaciones vocales —cantadas o habladas— con los sonidos que se le proporcionen, bien sea aplicando esa voz a una melodía o a un grupo de frases, de forma que, por ejemplo, se introduce una entrada (una melodía MIDI o bien un archivo de audio) y el sistema que dispone de Kits.ai produce una interpretación vocal personalizada que imita fielmente la voz que le ha servido de entrenamiento.

Moises, por su parte, utiliza modelos de separación de fuentes (una variante de la separación de fuentes perteneciente al deep learning). La forma en la que aplica la tecnología de redes neuronales convolucionales junto con modelos espectrales que se han entrenado con bases muy amplias de canciones le da la capacidad para separar partes individuales de una mezcla estéreo: voz, bajo, batería, instrumentos armónicos y otros sonidos.

Parte de una canción completa que él toma como entrada, la convierte en un espectrograma (la representación gráfica del audio en frecuencia) y aplica algoritmos de separación para obtener cada una de las partes por separado. A partir de esa representación, el usuario puede cambiar el tempo, transponer la tonalidad de la música, o incluso generar partituras y acordes gracias al análisis armónico automatizado también disponible en su plataforma.

Fuentes informativas

• Web oficial de Kits AI: https://www.kits.ai
• Portal web oficial de Moises: https://moises.ai

Publicaciones relacionadas