NVIDIA 展示可修改并生成声音的 AI 模型 Fugatto

辉达（NVIDIA）周一展示一款用于生成音乐和声音的新型人工智慧（AI）模型，此模型以音乐、电影和影像游戏制作者为诉求对象，可以借此修改声音并生成新的声音。

辉达表示，目前还没有公开发表这项技术的计划。这项技术称为 Fugatto，是Foundational Generative Audio Transformer Opus 1的缩写。这技术与Runway等新创公司和Meta Platforms 等大公司展示的技术一样，可以根据文字提示来生成声音或影片。

Nvidia的技术可以根据文字描述生成音效和音乐，包括新奇的声音，例如让小号发出狗叫声。

和其他AI技术的不同之处在于，它能够接收和修改现有的声音，例如将钢琴弹奏的一段旋律转换成人声唱出的旋律，或者改变语语录音的口音和情绪。

辉达应用深度学习研究副总裁 Bryan Catanzaro说：「若回顾过去50年的合成音频，会发现现在的音乐听起来已经不同了，因为有了电脑和合成器，我认为生成式AI将为音乐、影像游戏和想要创造事物的普通人带来新的功能。」

辉达的新模型是基于开放资料训练而成，该公司表示仍在讨论是否且以什么方式公开发表这项技术。