So funktioniert OsuGAI

Musik verstehen

Beat This erkennt Beats und Taktanfänge. Unsere Rasteranpassung berechnet BPM und Offset, auch bei Tempowechseln. MERT-v1-95M liefert beatweise ausgerichtete Musikmerkmale. Trainingsmaps verwenden dieselbe Rasterart. Leise Intros, Outros und Ausblendungen werden erkannt, damit Stille frei bleibt.

Beat This · MERT-v1-95M

Den Song planen

Ein Gaußscher Diffusionsplaner mit etwa 5,9 Millionen Parametern beschreibt den gesamten Song abschnittsweise, bevor Objekte entstehen. Aus Musik und gewünschten Einstellungen plant er Schwierigkeit, Stil und Pausen gemeinsam: Ein Refrain kann dichter werden, eine ruhige Überleitung eine Pause.

Rhythmus und Objekte

Das Hauptmodell schreibt Drücken und Loslassen, Objekttypen, Sliderumkehrungen, neue Combos, Pausen und Slidergeschwindigkeit. Als nicht-autoregressiver Transformer im MaskGIT-Stil überarbeitet es die ganze Map in mehreren Durchläufen. Zuerst entsteht der bereinigte Rhythmus, dann folgen Objektdetails und Geschwindigkeit.

Platzierung und Geometrie

Ein gemeinsames Netz mit etwa 71 Millionen Parametern nutzt dasselbe Musikverständnis für Rhythmus und Platzierung. Ein Constraint-Solver hält Objekte im Spielfeld, passt Sliderkurven an ihre benötigte Länge an und schreibt Geschwindigkeitswechsel. Nicht sauber konstruierbare Schwierigkeiten schlagen fehl, statt defekte Dateien auszugeben. In 24.000 Stresstestläufen war dieser Fehlerpfad nie nötig.

Was sich einstellen lässt

Ziele von ★1 bis ★10 lassen sich je Schwierigkeit einstellen. Neun Stilregler betreffen etwa Slider, Winkel, Abstände, Rhythmus, Aim und Speed. Map-Einstellungen umfassen CS, AR, OD, HP und Slidergeschwindigkeit. Das Modell liest CS, AR, OD und Geschwindigkeit; HP wird in die Datei geschrieben. Alle gewählten Schwierigkeiten entstehen gemeinsam als Mapset.

Gewählte Sterne sind Zielwerte; fertige Maps zeigen ihre gemessene Schwierigkeit.

Prüfungen vor dem Download

Zu eng aufeinanderfolgende Eingaben und zu kurze Holds werden bereinigt, Objekte in Stille entfernt und die Geometrie geprüft. Der osu!-Algorithmus misst die endgültigen Sterne; dieser Wert benennt die Schwierigkeit. Tests lesen Maps auch mit osu!lazer ein. Zehn Wiederholungen mit identischem Song, Einstellungen und Seed erzeugten bytegleiche .osu-Dateien.

Trainingsdaten

Der Korpus umfasst 157.209 Charts: 132.032 ranked, approved oder loved sowie 25.177 zusätzliche hochsternige Charts außerhalb des Ranked-Bereichs. Die Basis enthält etwa 56 Millionen Objekte. Die Hochstern-Auswahl schließt Gimmick-Maps, KI-Maps und Überschneidungen mit Validierungs- oder Testsongs aus. Alle Schwierigkeiten und Audioversionen eines Songs bleiben im selben Split. 200 im Jahr 2026 gerankte Songs bleiben für Blindtests vom Training ausgeschlossen.

Training

Planer und Hauptnetz wurden von Grund auf trainiert. Das Hauptnetz absolvierte etwa 1,03 Millionen Schritte: zunächst Ranked-Daten, dann zusätzliche hochsternige Maps, zuletzt sternbalanciertes Sampling. Der Planer trainierte 60.000 Schritte. Eine RTX 4070 Ti SUPER benötigte etwa 68 GPU-Stunden für das Hauptnetz und 10 für den Planer. Checkpoints wurden anhand erzeugter Maps ausgewählt, nicht allein nach Validierungsverlust.

Was wir gemessen haben

Die Kalibrierung unten ergibt eine mittlere absolute Abweichung von 0,28 Sternen. Sie prüft eine kleine Stichprobe, belegt keine Leistung bei unbekannter Musik und umfasst nicht ★9–★10. Ein separater Test mit 3 Songs, 4 Zielen und 3 Seeds ergab 36 gültige Maps von 36. In der Abschlussevaluation entfernte die Bereinigung die 3,9 Rhythmusprobleme je 1.000 Objekte des Rohmodells.

Auf 24 Maps fand die Pausenplanung 50% der menschlichen Pausen und deckte 35% ihrer Dauer ab. Etwa 60% der erzeugten Pausen stimmten mit menschlichen überein. Mit passendem Plan traf das Netz auf 23 von 24 Maps die genaue Pausenzahl. Gemessen wurde mit veröffentlichtem Planer und früherem Netz, nicht mit dem vollständigen veröffentlichten System.

Vom Erstellen zur spielbaren Map

Der Browser dekodiert und normalisiert Audio vor dem Upload. Der Dienst extrahiert Timing und Musikmerkmale einmal je Song, plant die Schwierigkeiten und erzeugt sie gemeinsam in einem GPU-Batch. Bereinigung, Sternmessung und Verpackung liefern eine .osz mit Song und Hintergrund. Die folgenden Flower-Dance-Zeiten wurden auf einer produktiven NVIDIA T4 gemessen und sind keine Wartezeitgarantie.

Was sich mit v3.0 ändert

v2.0 verwendete getrennte Rhythmus- und Platzierungsmodelle. v3.0 teilt ein Netz, erweitert die Daten von 10.428 auf 157.209 Charts und ergänzt Pausenplanung, variable Slidergeschwindigkeit sowie Stil- und Map-Einstellungen je Schwierigkeit. Flower Dance auf T4 benötigte in v2.0 72 Sekunden für 4 Schwierigkeiten, in v3.0 79 Sekunden für 6. Unterschiedliche Arbeitslasten ergeben keinen Geschwindigkeitsfaktor.

Bekannte Grenzen

• Im kleinen Kalibrierungstest lagen ★4–★6 eher zu niedrig und ★8 etwas zu hoch. ★9–★10 wurden dort nicht geprüft.
• Etwa die Hälfte menschlicher Pausen wird verfehlt; manche erzeugten Pausen liegen unpassend.
• Einige Songs erhalten zu viele Spinner, vor allem bei niedrigen Sternen. Sliderformen bleiben bewusst einfach.
• Kleine Timingfehler können sich bei langen, schnellen Songs zu Drift summieren.
• Neue Combos folgen einer festen Regel. Eigene Hitsounds, Kiai-Abschnitte und Storyboards fehlen.
• Strukturelle Gültigkeit belegt weder Spielspaß noch gutes Design. Erzeugte Maps sind zum Spielen und Üben, nicht für Ranked.

Woran wir arbeiten

Wir arbeiten an Pausenplatzierung, Kalibrierung im ganzen Sternbereich, vielfältigeren Slidern und schnellerer Generierung. Blindtestergebnisse und Messungen zu Slider-Selbstkreuzungen für v3.0 sind noch nicht veröffentlicht. TaikoGAI und CatchGAI sind zukünftige Produkte.

Weiterführende Technikartikel

• OsuGAI entwickeln · der v1-Bericht
• Warum DanceGAI Planner + Noter nutzt
• Timing-Benchmark für KI-Beatmaps
• Wie wir die Generierung beschleunigt haben