# \#generative **URL:** https://discuss.pytorch.kr/tag/generative/107.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Transfusion: 텍스트 및 이미지를 하나의 모델로 생성하는 멀티모달 생성 모델 (feat. Meta)](https://discuss.pytorch.kr/t/transfusion-feat-meta/5096)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 25, 2024, 1:52오후 UTC](https://discuss.pytorch.kr/t/transfusion-feat-meta/5096 "2024-08-25T13:52:04Z")
Transfusion 논문 소개 트랜스퓨전(Transfusion)은 이산 데이터(예: 텍스트)와 연속 데이터(예: 이미지)를 동시에 처리하고 생성할 수 있는 통합된 멀티모달 모델입니다. 기존의 모델들은 주로 이산 데이터와 연속 데이터를 별도의 모달리티별 모델로 처리했으며, 이를 통합하려는 시도는 주로 데이터의 이산화(quantization)를 통해 이루어졌습니다. 그러나 이러한 접근은 이미지 데이터를 이산화하는 과정에서 정보 손실이 발생하는 문제를 안고 있습니다. 트랜스퓨전은 이러한 정보 손실을 방지하기 위해 텍스트에 대해 언어 모델링(다음 토큰 예측) 기법을 적용하고, 이미지에 대해서는 디퓨전 기법을 사용하여, 하나의 트랜스포머 모델로 이 두 가지 모달리티를 동시에 처리할 수 있도록 설계되었습니다. 트랜스퓨전은 텍스트와 이미지 데이터를 동일한 시퀀스로 처리하는 방식을 취합니다. 구체적으로, 텍스트는 이산 토큰으로, 이미지는 잠재 벡터 패치로 변환되며, 이 시퀀스는 모델에 의해 동시에 처리됩니다. 이 모델은 텍스트와 이미지의 각 모달리티에 맞는 특화된 손실 함수를 적용하여 학습되며, 이를 통해 정보 손실 없이 두 모달리티 모두에서 높은 성능을 달성할 수 있습니다. 트랜스퓨전의 주요 기여는 이와 같은 통합된 멀티모달 모델링 접근법을 제시함으로써, 다양한 멀티모달 작업에서 우수한 성능을 입증했다는 점입니다. 이 모델은 특히 텍스트-이미지 생성 작업에서 매우 높은 효율성을 보여주며, 기존의 이미지 이산화 접근법보다 훨씬 적은 계산 자원으로 우수한 성능을 달성할 수 있습니다. 이를 통해 트랜스퓨전은 멀티모달 모델링 분야에서 중요한 새로운 가능성을 제시하며, 다양한 응용 분야에서 활용될 수 있는 잠재력을 지니고 있습니다. 배경 지식(Background) 언어 모델링(Language Modeling) 언어 모델링(Language Modeling)은 주어진 텍스트 시퀀스에서 다음에 나올 토큰을 예측하는 작업으로, 자연어 처리(NLP)에서 매우 중요한 역할을… --- ## [\[GN\] AI 마케팅 2024: 핵심 트렌드와 주요 도구 소개](https://discuss.pytorch.kr/t/gn-ai-2024/2922)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 24, 2023, 7:21오전 UTC](https://discuss.pytorch.kr/t/gn-ai-2024/2922 "2023-11-24T07:21:28Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 인공지능은 디지털 마케팅 분야에서 게임 체인저로 부상 2024년 AI 마케팅 도구는 예측 분석, 개인화된 고객 경험 등을 제공하며, 마케터들은 AI 도구와 트렌드를 이해하여 경쟁 시장에서 앞서 나갈 필요가 있음 AI 마케팅 도구 및 트렌드 2024: 주목할 만한 모든 것 1. Rapidely 자동화 및 고급 분석을 통해 비즈니스 효율성을 향상시키는 AI 도구 데이터 분석, 워크플로우 최적화, 신속한 데이터 기반 의사 결정 지원 기능 제공 사용자 친화적 인터페이스로 기술적 배경이 다양한 사용자들이 접근 가능함 2. Flick 소셜 미디어 관리 플랫폼으로, 해시태그 검색 및 관리, 콘텐츠 스케줄링, 성능 분석 기능을 제공 Instagram과 같은 플랫폼에서 온라인 존재감 강화를 위한 도구 제공 3. Phrasee 다양한 디지털 채널에서 고성능 마케팅 메시지를 생성하는 AI 콘텐츠 생성 플랫폼 브랜드의 독특한 목소리를 이해하고 최적화된 메시지를 전달함 4. Smartwriter.ai AI를 활용하여 개인화된 이메일을 대량으로 생성하고, 이메일 아웃리치 및 콘텐츠 개인화에 혁신을 가져옴 5. Optimove 고객 중심의 마케팅 플랫폼으로, 데이터 중심의 개인화된 마케팅 캠페인을 통해 고객 생애 가치를 극대화함 6. Acrolinx 다양한 비즈니스 기능에 걸쳐 콘텐츠 품질을 향상시키는 AI 플랫폼 통합된 AI 콘텐츠 생성으로 편집 효율성을 크게 향상시킴 7. Jasper 기업과 개인 창작자가 다양한 형식의 고품질 콘텐츠를 생성하는 데 도움을 주는 AI 카피라이팅 도구 8. Evolv AI 디지털 경험을 위한 실험 과정을 자동화하고 향상시키는 AI 주도의 최적화 플랫폼 9. Copy.ai 전문가와 팀이 빠르고 효율적으로 고품질의 콘텐츠를 생성하는 데 도움을 주… --- ## [\[GN\] 구글 DeepMind, AI 음악 생성 모델 Lyria 공개](https://discuss.pytorch.kr/t/gn-deepmind-ai-lyria/2873)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 18, 2023, 6:40오전 UTC](https://discuss.pytorch.kr/t/gn-deepmind-ai-lyria/2873 "2023-11-18T06:40:24Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 유튜브와 협업을 통해 지금까지 가장 진보된 AI 음악 생성 모델인 Lyria를 공개하고 2가지 AI 실험을 발표 Lyria 악기와 보컬을 사용하여 고품질 음악을 생성하고 변환 및 연속 작업을 수행하는 모델 사용자에게 출력 스타일과 성능에 대한 보다 미묘한 제어 기능을 제공하는 데 탁월 Dream Track 음악 창작을 통해 아티스트, 크리에이터, 팬 간의 관계를 더욱 돈독히 하기 위해 고안된 YouTube Shorts 실험 Alec Benjamin, Charlie Puth, Charli XCX, Demi Lovato, John Legend, Sia를 포함한 아티스트의 AI 생성 음성 및 음악 스타일로 독특한 사운드트랙을 제작 가능 주제를 입력하고 캐러셀에서 아티스트를 선택하여 자신의 Shorts 동영상에 대한 30초 사운드트랙을 생성 Dream Track은 Lyria 모델을 사용하여 선택한 참여 아티스트의 스타일로 가사, 백킹 트랙 및 AI 생성 음성을 동시에 생성해 줌 Music AI Tools 아티스트, 작곡가, 프로듀서의 창작 과정을 강화하는 데 도움이 되는 도구 세트 새로운 음악이나 악기 섹션을 만들고, 한 음악 스타일이나 악기에서 다른 음악 스타일이나 악기로 오디오를 변환하고, 악기 및 보컬 반주를 만들 수 있음 멜로디를 불러 호른 라인을 만들고, MIDI 키보드의 코드를 사실적인 성악 합창으로 변환하거나, 보컬 트랙에 악기 반주를 추가하는 것 등이 가능 원문 출처 / GeekNews --- ## [\[GN\] v0 - Vercel이 만든 생성형 UI 시스템](https://discuss.pytorch.kr/t/gn-v0-vercel-ui/2544)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 26, 2023, 11:57오전 UTC](https://discuss.pytorch.kr/t/gn-v0-vercel-ui/2544 "2023-09-26T11:57:23Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 AI 모델을 사용해서 프롬프트에 기반의 UI 코드를 생성 shadcn/ui 와 Tailwind CSS 에 기반한 React 코드 프롬프트 입력하면 AI가 3개의 UI를 생성해서 보여주고, 선택해서 복사하거나 그중 일부를 선택해서 더 Refine 가능 Vercel 사용자들의 데이터는 훈련에 이용되지 않았으며, 오픈소스 및 합성 데이터 기반 사용자가 생성한 디자인은 다시 학습에 재 이용됨 현재 알파단계라 무료 생성된 디자인은 상업용도로 사용 가능 원문 출처 / GeekNews --- ## [\[GN\] 생성형 AI(Generative AI)의 2막](https://discuss.pytorch.kr/t/gn-ai-generative-ai-2/2542)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 26, 2023, 11:44오전 UTC](https://discuss.pytorch.kr/t/gn-ai-generative-ai-2/2542 "2023-09-26T11:44:07Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 1년전에 세콰이어가 정리한 생성AI 시장 지도의 업데이트 "생성 AI로 인해 기술 분야의 근본적인 플랫폼 전환이 일어날 것이라 예상했는데, 폭풍이 몰아쳤다" 혁신의 캄브리아 대폭발이 일어나는 순간은 몇십년간에 걸쳐 만들어졌음 60년간 무어의 법칙으로 Exaflop의 데이터 처리가 가능한 컴퓨팅 파워가 인터넷 40년으로 수조개의 토큰에 달하는 학습 데이터가 모바일/클라우드 20년으로 모든 사람에게 손안의 슈퍼 컴퓨터가 이 수십 년간의 기술 발전이 축적되어 생성AI가 날아오르는데 필요한 조건이 만들어짐 ChatGPT의 부상은 도화선에 불을 붙인 불꽃 인터넷 초창기 이래로 수년간 볼 수 없었던 밀도 높은 혁신의 열정을 불러 일으킴 곧, AI의 흥분은 경계선 히스테리(Borderline Hysteria)로 변함 갑자기 모든 회사가 "AI Copilot"이 되었음 메일함에 "AI Salesforce", "AI Adobe", "AI Instagram" 같은 피치가 쏟아짐 $100M pre-product 시드 라운드가 반환되었음(제품 나오기전에 1300억원을 투자하겠다고 했는데도 안 받았다는 것) 펀드레이징, 인재 확보 전쟁, GPU 조달과 같은 지속 불가능한 광란의 늪에 빠짐 당연하게도 균열이 나타나기 시작 예술가, 작가, 가수들이 기계생성 IP의 정당성에 도전 윤리, 규제, 초지능의 정당성에 대한 것이 워싱턴(정부)을 사로잡았음 가장 걱정스러운 것은 생성AI가 실제로는 유용하지 않다는 속삭임이 실리콘 밸리내에서 퍼지기 시작했다는 것 끔찍한 사용자 리텐션에서 알 수 있듯이 제품은 크게 기대에 미치지 못했음 많은 어플리케이션에 대한 최종 사용자 수요가 정체되기 시작 또 다른 Vaporware 사이클이었을까 ? AI에 대한 불만의 여름은 인터넷 초기를 연상시키며 비평가들을 즐겁게 만들었음 1998년 한 … --- ## [\[GN\] 생성형 AI를 이용한 마케팅/SEO/PR용 자동화 스크립트 모음](https://discuss.pytorch.kr/t/gn-ai-seo-pr/2422)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 6, 2023, 11:33오전 UTC](https://discuss.pytorch.kr/t/gn-ai-seo-pr/2422 "2023-09-06T11:33:22Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 Google Colab에서 바로 실험가능한 20개 이상의 스크립트 TikTok 동영상 자동 분석 및 바이럴 성공 요인 보고서 생성: Apify + OpenAI Whisper + Vicuna :point\_right: Google Colab 구글 뉴스 클러스터링을 통한 모니터링 & 분석 : SerpAPI + GPT :point\_right: Google Colab 콘텐츠 갭 분석을 위한 자동화된 키워드 클러스터링 : OpenAI API + SEMrush API :point\_right: Google Colab 시맨틱 SEO 데이터를 활용하여 고품질의 자동화된 장문 기사 생성 :point\_right: Google Colab 클러스터링을 이용한 자동 Newsjacking 콘텐츠 아이디어 도출 :point\_right: Google Colab 소셜 미디어 전략을 위한 자동 틱톡 동영상 분석 :point\_right: Google Colab 자동화된 Newsjacking 아이디어 및 트렌드 분석 :point\_right: Google Colab 자동화된 온사이트 SEO 링크 최적화 :point\_right: Google Colab 아무 기사를 기반으로 한 자동화된 서브 레딧 및 게시물 제목 추천 :point\_right: Google Colab 특정 키워드에 대한 상위 랭킹 페이지의 기사 텍스트를 분석하여 기사 개요를 자동으로 생성 :point\_right: Google Colab LipSync를 이용한 자동 비디오 번역 :point\_right: Google Colab 유튜브 URL에서 요약, 기사 개요, 긴 형식의 기사 및 트윗 스레드를 자동으로 생성 :point\_right: Google Colab 반복적 발명, 비평 및 합성을 위한 멀티 에이전트 AI 협업 :point\_right: Google Colab 자동으로 의도(intension),… --- ## [생성형 AI의 구성 요소 (The Building Blocks of Generative AI)](https://discuss.pytorch.kr/t/ai-the-building-blocks-of-generative-ai/2188)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 29, 2023, 4:13오전 UTC](https://discuss.pytorch.kr/t/ai-the-building-blocks-of-generative-ai/2188 "2023-07-29T04:13:23Z")
이 글은 GPT 모델로 자동 요약한 설명으로, 잘못된 내용이 있을 수 있으니 원문을 참고해주세요! :smile: 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다! :bowing\_man: 소개 이 블로그 게시물은 생성형 AI의 기반 요소에 대해 설명하고 있습니다. 생성형 AI는 기계 학습의 한 분야로, 새로운 데이터를 생성하거나 기존 데이터를 변형하는 능력을 가진 AI를 말합니다. 이 글은 생성형 AI의 인프라 구조를 이해하는 데 도움이 됩니다. 요약 기반 모델 (Foundation Models) 기반 모델은 AI 인프라의 가장 하위 계층입니다. 이들은 대규모 데이터셋(데이터셋)에서 학습하여 다양한 작업에 적용할 수 있는 범용 AI 모델입니다. GPT-3와 같은 언어 모델은 이 계층의 대표적인 예입니다. 이러한 모델은 다양한 어플리케이션에 사용될 수 있으며, 이를 통해 개발자들은 새로운 서비스와 제품을 만들 수 있습니다. 벡터 데이터베이스 (Vector Databases) 벡터 데이터베이스는 AI 인프라의 다음 계층입니다. 이들은 AI 모델이 생성한 벡터를 저장하고 검색하는 데 사용됩니다. 벡터 데이터베이스는 AI 모델의 출력을 저장하고, 이를 통해 사용자가 쿼리를 실행할 수 있게 합니다. 벡터 데이터베이스는 AI 모델의 출력을 저장하고, 이를 통해 사용자가 쿼리를 실행할 수 있게 합니다. 세부 조정 (Fine-Tuning) 세부 조정은 인프라 스택의 다음 계층입니다. 생성형 AI에서의 세부 조정은 특정 작업이나 데이터셋에서 모델을 추가로 학습시키는 과정을 의미합니다. 이 과정은 모델의 성능을 향상시키고, 해당 작업이나 데이터셋의 독특한 요구 사항에 맞게 모델을 조정합니다. 라벨링 (Labeling) 정확한 데이터 라벨링은 생성형 AI 모델의 성공에 중요합니다. 데이터는 이미지, 텍스트, 오디오 등 다양한 형태를 가질 수 있으며, 라벨은 데이터의 설명 역할을 합니다. 라벨링은 기계 학습 모델에게 필요한 정보를 … --- ## [\[GN\] Meta, 음성용 Generative AI 모델 Voicebox 공개](https://discuss.pytorch.kr/t/gn-meta-generative-ai-voicebox/1868)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 21, 2023, 7:08오전 UTC](https://discuss.pytorch.kr/t/gn-meta-generative-ai-voicebox/1868 "2023-06-21T07:08:00Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 이미지/텍스트 생성 AI처럼 다양한 스타일로 고품질 오디오 클립을 생성 주어진 오디오 샘플 수정도 가능 6개 언어의 언어를 합성할 뿐만 아니라, 노이즈 제거, 콘텐츠 편집, 스타일 전환, 다양한 샘플 생성 기존 음성용 생성AI는 각 태스크별로 신중하게 준비한 훈련 데이터를 필요로 했음. Voicebox는 새로운 방법을 이용하여 원시 오디오 및 transcription 데이터로 학습 영어, 프랑스어, 스페인어, 독일어, 폴란드어, 포르투칼어로 된 퍼블릭 도메인 오디오북의 5만시간 이상을 이용하여 훈련 원문 소개 글 (Blog) 논문 (Paper) 프로젝트 홈페이지 Voicebox 소개 및 데모 음성 들어보기 등 출처 / GeekNews --- ## [맥킨지(McKinsey), 생성형 AI의 경제적 잠재력에 대한 보고서 발간 (66p/PDF/영어)](https://discuss.pytorch.kr/t/mckinsey-ai-66p-pdf/1843)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 18, 2023, 3:36오후 UTC](https://discuss.pytorch.kr/t/mckinsey-ai-66p-pdf/1843 "2023-06-18T15:36:05Z")
소개 McKinsey에서 생성형 AI에 대한 보고서를 발간했습니다! 주말의 피로가 쌓여 목차와 주요 인사이트만 먼저 DeepL로 살짝 번역해보았습니다. :wink: :warning: 따라서, 한국어 내용이 원문과 다를 수 있으니 반드시 원문을 함께 읽어보시기를 권해드립니다. :warning: 보고서 관련 정리된 글은 아래 링크에서 보실 수 있으며, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier 스크롤을 쭈욱 내려보시면 아래쪽에 보고서 PDF 링크도 남겨두었으니, 바로 보실 수도 있습니다! :smiley: 보고서 목차 주요 인사이트 / Key insights 1장: 기술 촉매로서의 생성형 AI / Chapter 1: Generative AI as a technology catalyst 용어집 / Glossary 2장: 직종 및 산업 전반의 생성형 AI 사용 사례 / Chapter 2: Generative AI use cases across functions and industries 살펴보기: 소매 및 소비재 / Spotlight: Retail and consumer packaged goods 살펴보기: 은행 / Spotlight: Banking 살펴보기: 제약 및 의료 제품 / Spotlight: Pharmaceuticals and medical products 3장: 생성형 AI의 미래: 업무, 경제 성장, 생산성에 미치는 영향 / Chapter 3: The generative AI future of work: Impacts on work activities, economic growth, and productivity 4장: 기업과 사회의 고려 사항 / Chapter 4: Considerat… --- ## [Drag Your GAN: 포인트를 조작하여 이미지를 생성 / 변경](https://discuss.pytorch.kr/t/drag-your-gan/1608)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 2\ **마지막 업데이트:** [5월 24, 2023, 1:20오전 UTC](https://discuss.pytorch.kr/t/drag-your-gan/1608 "2023-05-24T01:20:42Z")
지난 주에 핫한 논문으로 Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold이 꼽혀서 들고와봤습니다. 요즘 발전하는 속도나 결과물들을 보면... 시계열 분야에서 끄적거리는 제 수준에서는 가히 충격적입니다 :astonished: :astonished: :astonished: 소개 영상부터 보시죠;; 논문은 여기에서 보실 수 있고, 프로젝트 페이지는 아래와 같습니다. 저자가 지난 주(5/19)에 트위터로도 공개를 했었는데, 아래에서 사람들의 반응과 대화를 보실 수 있습니다. https://twitter.com/XingangP/status/1659483374174584832 어디까지 갈지 궁금하기도 하고 무섭기도 하고 그렇네요 :see\_no\_evil: :hear\_no\_evil: :speak\_no\_evil: --- ## [\[GN\] OpenAI Shap-E - 텍스트/이미지를 통한 3D 객체 생성](https://discuss.pytorch.kr/t/gn-openai-shap-e-3d/1498)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 8, 2023, 3:38오전 UTC](https://discuss.pytorch.kr/t/gn-openai-shap-e-3d/1498 "2023-05-08T03:38:10Z")
GeekNews의 xguru 님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 "Shap-E: Generating Conditional 3D Implicit Functions" 논문의 구현 코드 점들의 구름으로 나타내었던 Point-E에 비해 더 빠르고 더 좋은 품질의 복잡한 3D 모델을 생성 원문 구현 코드 (GitHub 저장소) 논문 링크 (arXiv) 출처 / GeekNews --- ## [\[GeekNews\] Riffusion - 음악을 생성하도록 파인튜닝된 Stable Diffusion](https://discuss.pytorch.kr/t/geeknews-riffusion-stable-diffusion/879)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [12월 19, 2022, 12:43오전 UTC](https://discuss.pytorch.kr/t/geeknews-riffusion-stable-diffusion/879 "2022-12-19T00:43:13Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하려고 합니다. ^^ \[소개 글\] Riffusion - 음악을 생성하도록 파인튜닝된 Stable Diffusion SD 1.5를 그대로 사용하며, img2txt를 이용해서 Spectrogram 이미지를 생성하도록 모델을 미세 조정 만들어진 이미지는 재생가능한 오디오 클립으로 변환 가능 img2img 를 이용해서 사운드를 수정 가능 짧은 오디오 클립을 무한하게 루핑이 가능하도록 Interpolation 사용하기 편하도록 웹앱으로 만들어 코드도 공개(Next.js + React + Three.js + Tailwind) Spectrogram : Waveform + Spectrum 주파수, 진폭(강도), 시간을 이용해서 소리의 스펙트럼을 시각화 하여 표현한 것 STFT(Short-Time Fourier Transform)을 이용해서 오디오에서 계산 가능 \[원문\] https://www.riffusion.com/about \[출처\]