Разработчик игры Dungeon Cult на движке Unreal Engine 5 использовал локальные модели машинного обучения на видеокарте RTX 5060 Ti с 16 ГБ памяти для создания звуков и музыки. В работе применялись Stable Audio 3 Medium для эффектов и ACE-Step 1.5 для музыкального сопровождения.
Для фоновой музыки автор применил дообучение модели через LoRA на шести треках из игры Dungeon Keeper. Исходные записи нарезали на 32 фрагмента по одной минуте. Процесс обучения занял 1 час 10 минут 6 секунд при параметрах rank 64, alpha 128 и learning rate 0,0001. В итоге была выбрана версия после 100-го прохода, а не финальная.
Фоновые композиции создавались путем генерации минутной основы с последующим дописыванием фрагментов по 45 секунд, что позволило получить треки длительностью 3:15. Всего было создано девять композиций. Для вступительного ролика вокальный трек сгенерировали на базе ACE-Step 1.5 SFT с использованием аудиореференса и заданного текста без дообучения.
Звуки существ генерировались в Stable Audio путем подбора характера голоса. Набор из восьми событий по три варианта каждое обрабатывался около 94 секунд. Автор рекомендует сначала определять тембр и характер персонажа на коротких реакциях, а затем переходить к генерации сложных звуков, чтобы избежать потери качества при попытке создать длинные аудиосцены.
