Akon的音乐NFT:嘻哈天王带你开启Createtoearn新世界

白话区块链發佈於 2022-04-01更新於 2022-04-01

文章摘要

3月12日,“说唱天王”Akon(阿肯)转发的一条推特引起了其百万粉丝及加密爱好者们的注意,该推文显示,Akon即将联合Element.Black发行音乐盲盒NFT。

3月12日,“说唱天王”Akon(阿肯)转发的一条推特引起了其百万粉丝及加密爱好者们的注意,该推文显示,Akon即将联合Element.Black发行音乐盲盒NFT。越来越多当红明星加入到加密艺术NFT“大家庭”当中来,NFT领域也迅速迭代出新的价值玩法。许多人不禁要问:音乐盲盒会是NFT的下一个主流叙事吗?

01

与明星一起Createtoearn

在Web2.0时代,顶流产品与当红明星等大IP的强强联合并不是什么新鲜事。

例如我们熟知的许多网游通常都会邀请明星代言、或者定制明星NPC入驻游戏与玩家互动,让这些大IP的粉丝们能够在虚拟世界里与自己的偶像近距离互动,对于他们来说足具吸引力,消费意愿很高。这不仅给游戏带来了巨大的流量同时也给厂商、明星带来了巨额的收入,但我们会发现唯独用户在“氪金”。

到了Web3.0时代,用户不再是只“氪金”消费的群体,以开头提到的Akon联合Element.Black发行音乐盲盒NFT为例,对粉丝来说,不仅获得了一种与自己热爱的明星的新合作方式,还通过参与互动创建的NFT可获得收益,而通过创建NFT获得收益的形式也被人们称为”Createtoearn”。

与我们此前了解的“Playtoearn”类似,这里的“Createtoearn”很好理解。其实除了Akon,另一位说唱明星SnoopDogg(狗爷)此前加入著名元宇宙游戏Thesandbox,在该游戏中重现了狗爷的豪宅,同时玩家可以在游戏内参与他的演唱会和派对互动,并且通过狗爷形象NFT扮演成狗爷。

此前据Element.Black介绍,粉丝与明星互动创作的NFT也将进一步进入到元宇宙游戏当中,对此,我们拭目以待。提到Element.Black,我们此前曾有过了解,白话区块链曾邀请其参与社群AMA。

Element.Black是一家以开发Social-FiNFT游戏为主的公司,拥有旗舰产品像素无限(Pixel-Infinity)和音乐无限(Music-Infinity),通过像素格子创意设计和音乐创作等方式完成NFT的设计。简单的说,Element.Black是一家开发Web3.0产品为主的公司,产品主要属性是Social-Fi+NFT。

在此前Element.Black的AMA中,Element.Black的CEOMarkRau介绍说:平台力推“社交功能”,为粉丝和明星们提供了一个多元化的互动平台。粉丝与粉丝之间可以玩游戏加社交互动,粉丝与明星之间甚至也可以打破社交壁垒进行互动。

02

Akon音乐盲盒NFT

或许很多人一听说Akon音乐盲盒能“Createtoearn”赚收益马上来了兴趣,想要知道它怎么玩。不急,我们先搞清楚“Akon音乐盲盒NFT”到底是什么再来细说……

1、Akon是谁?

Akon(阿肯),作为一位美国嘻哈巨星,喜欢说唱音乐的朋友一定早就“如雷贯耳”了。

Akon自从2004年凭借首张专辑《Trouble》中的单曲《LockedUp》走红以来屡次斩获音乐大奖,诸如:全美音乐奖2007第35届灵魂/蓝调最受欢迎男艺术家;MTV音乐录影带大奖第24届年度最佳男歌手提名;格莱美音乐奖第50届最佳流行合唱提名等等,其创作的歌曲一度包揽包揽美国单曲榜冠亚军。

Akon是巨星迈克尔杰克逊的好友,两人合作过一首传世金曲HoldMyHand;另外,Akon还发掘并打造了风靡全球的“百变女王”LadyGaga,除了LadyGaga之外,还有两位当红明星T-Pain、ColbyO’Donis都签约在了Akon公司旗下。Akon2014年的SoBlue2014世界巡回演唱会分别在北京和上海设立了演出分场。

2、Akon音乐盲盒NFT

作为一位及其有分量的明星,Akon的音乐盲盒NFT自然备受关注,Akon联合Element.Black系列盲盒NFT将在头部NFT平台合作发布。

根据此前新闻报道介绍,每个音乐NFT包含原声音频,持有者可以上传生成音乐或自己的作品在平台发布、分享和兑换,融合NFT的持有者将会获得Token收益,并且获得后续的Token白名单。

Element.Black将在ETH和BSC链上发行Akon授权的音乐元素(音轨)NFT,共12000个,这些音乐元素NFT将被随机打包到盲盒NFT内销售,盲盒内包含一个不同星级的音乐元素NFT以及一个狮子形象的PFP碎片。

也就是说,Akon音乐盲盒实际上带来了两大新玩法:音乐NFT创作和PFP碎片试衣间合成NFT。

3、Akon音乐NFT怎么玩

简单的说,届时Akon音乐NFT盲盒可以随机开出的音乐元素NFT,获得音乐元素NFT后,玩家通过Element.Black开发的产品—Music-Infinity进行二次创作,可以基于Akon的音轨合唱,也可以全新创作,最后合成属于玩家自己的音乐NFT,发布在音乐无限平台上提供用户收听和下载。

A、盲盒包含的音乐元素NFT星级列表如下:

i.一星:时长20s以内,单音轨,占比30%

ii.二星:时长40s以内,双音轨,占比25%

iii.三星:时长90s以内,三音轨,占比20%

iv.四星:时长120s以内,四音轨,占比15%

v.五星:时长180s以上,全音轨,占比10%

B、音乐NFT的创作步骤

STEP1、在MUSIC-INFINITY导入NFT下载音乐:

打开MUSIC-INFINITY网页连接钱包后导入盲盒开出的音乐元素NFT,把音轨下载到本地进行编辑。

STEP2、上传编辑后的音乐生成新的音乐NFT:

完成音乐制作后可以消耗星级的音乐元素NFT生成皇冠等级的NFT,生成后的星级NFT将被转入黑洞地址销毁。

玩家将持有全新的皇冠等级音乐NFT。音乐元素中的每颗星星代表20秒的可制作音频时长,消耗的音乐元素NFT包含的星星越多,该融合后的音乐可播放的时长越长。

其中,皇冠等级是指每个融合后的NFT音乐都会根据它消耗的音乐元素NFT的总数获得不同的‘皇冠等级’认定。皇冠总数量等于添加的素材NFT星星数量之和,每颗皇冠等于20秒的可播放时长。

C、音乐NFT的“Createtoearn”收益规则

玩家创作出的皇冠级别的NFT音乐作品可以上架MUSIC-INFINITY平台,通过平台播放和下载收取ELTToken作为收益:

a.70%Token支付给NFT持有者(其中20%奖励给分发者,如无设置分发者则全部给持有人)。

b.10%Token支付给提供音乐素材的音乐家。

c.10%Token分配给全部持有皇冠级别NFT的玩家(分配方式按照玩家生成NFT对应的皇冠数占平台所有生产出的总皇冠数比例进行分配,例如平台有两位玩家参与生成音乐NFT,A玩家NFT等级有2个皇冠,B玩家NFT等级有1个皇冠,则这部分Token2/3属于A玩家,1/3属于B玩家)。

d.10%Token将被回收销毁。

4、被称为NFT2.0的NFTPFP玩法

PFP是ProfilePicture(个人头像)的缩写,比如知名的头像NFTCryptoPunks、BoredApe等等,许多人一致认为它是具有更大叙事权重的NFT。

每个NFT都具有独特的肤色、发型和配饰,使得每个人可以获得自己独一无二的头像,未来进入加密社区、元宇宙游戏、社交平台时使用作数字身份识别等用途。

简单的说,Element.Black的PFPNFT玩法就是通过盲盒NFT获得PFP碎片NFT(配饰等特征),然后Element.Black提供了一个“试衣间”产品,在试衣间内有一个基础款(无配饰、乐器等)的狮子形象,通过将获得的不同PFP碎片NFT添加到基础款狮子图像上合成创作出一个属于自己独有的头像NFT。

试衣间NFT创作步骤:

STEP1、进入试衣间并连接钱包

STEP2、选择盲盒NFT获取的配饰

STEP4、自由搭配形象

STEP5、选择乐器搭配

STEP6、完成形象创作

03

小结

正如Element.Black的CEOMarkRau所说,下一代的社交平台就是与Co-Create概念紧密相连的Social-Fi,基于Web3打造的基础设施平台。

Element.Black作为一个以明星社交为基础的NFT开发者平台,积极与来自全球的艺术家和著名影视IP进行联动,通过游戏和NFT的结合,能让每个人都有机会成为区块链世界中的创意领袖。

你可能也喜歡

LeCun连续转发,新作VISReg攻克JEPA世界模型「表征坍塌」核心难题

近日,图灵奖得主Yann LeCun连续转发并高度认可了一项名为VISReg的自监督学习新工作。该工作旨在攻克JEPA世界模型中长期存在的“表征坍塌”核心难题。表征坍塌是指模型倾向于将不同输入映射到相同或极少数向量上,导致学到的表征缺乏判别力。 传统方法多依赖复杂的启发式技巧来抑制坍塌,但训练脆弱且可解释性差。VISReg的解决思路是将正则化目标解耦为独立的“尺度”和“形状”两部分。尺度部分通过方差项防止表征幅值塌缩,并在塌缩时能保持稳定的梯度;形状部分则通过带停止梯度的归一化和切片Wasserstein距离,将表征的分布形状对齐到标准高斯分布,从而完整地约束高阶统计特性。 这种方法实现了尺度和形状的优化互不干扰,有效解决了前代方法SIGReg在塌缩时梯度消失、以及尺度与形状耦合的问题。VISReg实现简洁,计算复杂度低,且易于扩展到大规模训练。 实验表明,在未使用任何启发式技巧的情况下,VISReg在15个数据集(涵盖域内、分布外、医疗、天文等多领域)的综合评估中,表现优于或媲美DINO、MAE等7种主流方法。特别是在分布外泛化任务上,仅使用约十分之一的数据量,其性能便追平了使用十倍数据训练的DINOv2。此外,在迁移微调、低质量数据鲁棒性以及生成引导等任务上也显示出优势。 VISReg为自监督学习提供了一种更稳定、高效且泛化能力强的正则化方案,为构建更强大的JEPA世界模型奠定了基础。

marsbit18 分鐘前

LeCun连续转发,新作VISReg攻克JEPA世界模型「表征坍塌」核心难题

marsbit18 分鐘前

交易

現貨
活动图片