訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >  正文

英偉達(dá)發(fā)布全新 AI 音頻模型 Fugatto

編譯/前方智能

英偉達(dá)近日推出了一款名為 Fugatto（全稱為 Foundational Generative Audio Transformer Opus 1）的 AI 音頻模型。這款模型不僅能通過(guò)文字提示生成音樂(lè)和音效，還能對(duì)現(xiàn)有音頻進(jìn)行修改和轉(zhuǎn)換，創(chuàng)造出前所未有的聲音組合。

圖片

圖源：英偉達(dá)

據(jù)英偉達(dá)介紹，F(xiàn)ugatto 具備多項(xiàng)獨(dú)特功能，比如可以將鋼琴演奏的音樂(lè)轉(zhuǎn)換為人聲演唱，能夠調(diào)整語(yǔ)音的口音和情緒，甚至可以創(chuàng)造出"尖叫的薩克斯"或"犬吠般的小號(hào)聲"等超現(xiàn)實(shí)音效。該模型采用了創(chuàng)新的 ComposableART 技術(shù)，能夠?qū)⒂?xùn)練過(guò)程中分別出現(xiàn)的音頻特征進(jìn)行組合，從而產(chǎn)生全新的聲音效果。

在技術(shù)層面，研究團(tuán)隊(duì)使用了來(lái)自全球多個(gè)開(kāi)源數(shù)據(jù)集的約 2000 萬(wàn)個(gè)音頻樣本進(jìn)行訓(xùn)練，形成了一個(gè)擁有 25 億參數(shù)的大規(guī)模模型。該項(xiàng)目由來(lái)自印度、巴西、中國(guó)、約旦和韓國(guó)等多個(gè)國(guó)家的研究人員共同開(kāi)發(fā)，這種多元化的團(tuán)隊(duì)構(gòu)成也使得模型在處理多語(yǔ)言和多重口音方面表現(xiàn)出色。

英偉達(dá)應(yīng)用深度學(xué)習(xí)研究副總裁 Bryan Catanzaro 表示，生成式 AI 技術(shù)將為音樂(lè)、游戲和普通創(chuàng)作者帶來(lái)全新的創(chuàng)作可能性。不過(guò)，考慮到生成式技術(shù)可能帶來(lái)的潛在風(fēng)險(xiǎn)，英偉達(dá)目前尚未計(jì)劃對(duì)外發(fā)布這項(xiàng)技術(shù)。

       原文標(biāo)題 : 英偉達(dá)發(fā)布全新 AI 音頻模型 Fugatto

聲明： 本文由入駐維科號(hào)的作者撰寫，觀點(diǎn)僅代表作者本人，不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題，請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

共0條評(píng)論，0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁，請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題：
    *糾錯(cuò)內(nèi)容：
    聯(lián)系郵箱：
    *驗(yàn) 證 碼：

    粵公網(wǎng)安備 44030502002758號(hào)