例如，该模型可以根据文本提示创建音乐片段，从现有歌曲中删除或添加乐器，改变声音中的口音或情绪，甚至发出从未听过的声音。英偉達(NVDA.US)推出了一款用於生成音樂和音頻的新型人工智能(AI)模型，旨在爲製作音樂、電影和視頻遊戲的人們提供服務。
智通財經APP獲悉，英偉達(NVDA.US)推出了一款用於生成音樂和音頻的新型人工智能(AI)模型，旨在爲製作音樂、電影和視頻遊戲的人們提供服務。
根據英偉達的說法，這款模型名爲Fugatto(Foundational Generative Audio Transformer Opus)，可以使用任何文本和音頻文件來生成或修改音樂和聲音。
例如，該模型可以根據文本提示創建音樂片段，從現有歌曲中刪除或添加樂器，改變聲音中的口音或情緒，甚至發出從未聽過的聲音。
英偉達應用音頻研究經理、管絃樂隊指揮兼作曲家Rafael Valle表示：「我們希望創建一個能像人類一樣理解和產生聲音的模型。」
英偉達指出，廣告代理商可以使用Fugatto快速定位多個地區的現有廣告，並在配音中加入不同的口音和情感。此外，視頻遊戲開發者可以使用人工智能模型修改遊戲中預先錄製的資產，以適應用戶在玩遊戲時不斷變化的動作。
Fugatto可以使小號發出狗吠聲或薩克斯管發出喵喵聲。該公司補充說，通過微調和少量的歌唱數據，研究人員發現它可以處理未經預先訓練的任務，比如從文本中生成高質量的歌聲。
英偉達表示，Fugatto的完整版本使用了25億個參數，並在包含32個Nvidia H100 Tensor Core GPU的Nvidia DGX系統上進行了訓練。該模型的整體工作耗時一年多。
Fugatto可能會與Runway等初創公司以及 Meta Platforms(META.US)等大公司的類似技術展開競爭。10月，Meta 發佈了名爲Movie Gen的人工智能模型，該模型可以根據用戶提示創建逼真的視頻和音頻剪輯。
今年 2 月，ChatGPT製造商OpenAI推出了Sora，它可以根據文本指令創建逼真且富有想象力的場景。這家由微軟(MSFT.US)支持的公司尚未向公衆發佈文本轉視頻模型。
