Como o OsuGAI funciona

Entender a música

O Beat This detecta batidas e inícios de compasso. Nosso ajuste de grade calcula BPM e offset, inclusive com mudanças de andamento. O MERT-v1-95M fornece características musicais alinhadas por batida. Os mapas de treinamento usam o mesmo tipo de grade. Introduções, finais e fades silenciosos são detectados para deixar o silêncio vazio.

Beat This · MERT-v1-95M

Planejar a música

Um planejador de difusão gaussiana com cerca de 5,9 milhões de parâmetros descreve toda a música por seções antes de posicionar objetos. A partir da música e dos ajustes pedidos, planeja dificuldade, estilo e pausas juntos: o refrão pode ficar mais denso e uma ponte tranquila pode virar descanso.

Ritmo e objetos

O modelo principal escreve pressões e liberações, tipos de objeto, reversões de sliders, novos combos, pausas e velocidade dos sliders. É um Transformer não autorregressivo do tipo MaskGIT, que refina o mapa inteiro em várias passagens. Primeiro gera e limpa o ritmo, depois adiciona detalhes e velocidade.

Posicionamento e geometria

Uma rede compartilhada com cerca de 71 milhões de parâmetros reutiliza o entendimento musical no ritmo e no posicionamento. Um solucionador de restrições mantém os objetos no campo, ajusta curvas de sliders ao comprimento necessário e grava mudanças de velocidade. Dificuldades que não podem ser construídas corretamente falham em vez de gerar arquivos quebrados. Nenhuma das 24.000 execuções de estresse precisou desse caminho de falha.

O que você pode controlar

Escolha metas de ★1 a ★10, com ajustes por dificuldade. Nove controles de estilo abrangem sliders, ângulos, espaçamento, ritmo, aim e speed, entre outras propriedades. Os ajustes incluem CS, AR, OD, HP e velocidade dos sliders. O modelo lê CS, AR, OD e velocidade; HP é gravado no arquivo. As dificuldades solicitadas são geradas juntas em um mapset.

As estrelas escolhidas são metas; os mapas prontos mostram a dificuldade medida.

Verificações antes do download

O sistema corrige pressões próximas demais e sustentações curtas demais, remove objetos no silêncio e verifica a geometria. O algoritmo do osu! mede as estrelas finais, usadas no nome da dificuldade. Os testes também leem mapas com osu!lazer. Dez repetições com a mesma música, ajustes e semente produziram arquivos .osu idênticos byte a byte.

Dados de treinamento

O conjunto tem 157.209 charts: 132.032 ranked, approved ou loved e 25.177 adições de estrelas altas fora da seção ranked. A base tem cerca de 56 milhões de objetos. A seleção adicional exclui mapas de gimmicks, mapas de IA e músicas presentes na validação ou no teste. Todas as dificuldades e versões de áudio de uma música ficam na mesma divisão. 200 músicas classificadas em 2026 são reservadas para testes cegos, fora do treinamento.

Treinamento

O planejador e a rede principal foram treinados do zero. A rede principal completou cerca de 1,03 milhão de passos: base ranked, adição dos mapas difíceis e amostragem final equilibrada por estrelas. O planejador completou 60.000 passos. Uma RTX 4070 Ti SUPER forneceu cerca de 68 horas GPU à rede principal e 10 ao planejador. Os checkpoints foram escolhidos pelos mapas gerados, não apenas pela perda de validação.

O que medimos

A calibração abaixo apresenta erro absoluto médio de 0,28 estrela. É uma amostra pequena, não prova desempenho em músicas inéditas e não inclui ★9–★10. Outro teste, com 3 músicas, 4 metas e 3 sementes, produziu 36 mapas válidos em 36. Na avaliação final, a limpeza removeu os 3,9 problemas de ritmo por 1.000 objetos do modelo bruto.

Em 24 mapas, o planejamento encontrou 50% das pausas humanas e cobriu 35% da duração delas. Cerca de 60% das pausas geradas coincidiram com pausas humanas. Com o plano correto, a rede acertou a contagem exata em 23 de 24 mapas. Essas medições usaram o planejador lançado e uma rede anterior, não o sistema lançado completo.

Da criação ao mapa jogável

O navegador decodifica e normaliza o áudio antes do envio. O serviço extrai timing e características musicais uma vez por música, planeja as dificuldades e as gera juntas em um lote GPU. Limpeza, medição e empacotamento produzem um .osz com música e fundo. Os tempos abaixo são exemplos com Flower Dance em uma NVIDIA T4 de produção, não prazos garantidos.

O que mudou na v3.0

A v2.0 separava os modelos de ritmo e posicionamento. A v3.0 compartilha uma rede, amplia os charts de 10.428 para 157.209 e adiciona planejamento de pausas, velocidade variável e ajustes por dificuldade. Flower Dance em T4 registrou 72 segundos para 4 dificuldades na v2.0 e 79 segundos para 6 na v3.0. São cargas distintas, não uma razão de velocidade.

Limitações conhecidas

• Na pequena calibração, ★4–★6 ficaram abaixo da meta e ★8 um pouco acima. ★9–★10 não foram avaliadas.
• Ainda falta cerca de metade das pausas humanas; algumas pausas geradas estão mal posicionadas.
• Algumas músicas recebem spinners demais, sobretudo em estrelas baixas. Os sliders permanecem simples de propósito.
• Pequenos erros de timing podem se acumular em músicas longas e rápidas.
• Novos combos seguem uma regra fixa. Não há hitsounds personalizados, seções kiai nem storyboards.
• Validade estrutural não prova diversão nem bom design. Os mapas gerados são para jogar e praticar, não para ranked.

No que estamos trabalhando

Trabalhamos em pausas, calibração de toda a faixa de estrelas, formas dos sliders e velocidade. Os resultados cegos e as medições de autocruzamento dos sliders da v3.0 ainda não foram publicados. TaikoGAI e CatchGAI continuam sendo produtos futuros.

Leituras técnicas relacionadas

• Construindo o OsuGAI · relatório v1
• Por que o DanceGAI usa Planner + Noter
• Teste de precisão do timing de beatmaps de IA
• Como aceleramos a geração