>>176
SunoもTransformerを使っているから、Attentionの重み付けによる音情報の選択を離散のトークンで行っているね。確率論的に中央値の曲調が出やすいのは、このため。StableDiffusionのような拡散モデルとは真逆な考え方。
既にDAWを直接AIが操作できようになってるから、今後は人間が作ったものと判別するのは無理になってくるだろうね。