全球領先的計算技術公司英偉達近日宣布了一項革命性的創(chuàng)新成果——Fugatto，一款基于生成式Transformer架構的人工智能模型，被譽為音頻領域的“瑞士軍刀”。
Fugatto擁有25億個參數(shù)，并在由32個NVIDIA H100 Tensor Core GPU組成的NVIDIA DGX系統(tǒng)上進行了訓練，使其能夠執(zhí)行多種復雜的音頻生成和轉換任務。這款模型專為音樂、電影和視頻游戲制作人設計，旨在幫助他們以前所未有的方式創(chuàng)作和編輯音頻內容。
據(jù)NVIDIA應用音頻研究經理Rafael Valle介紹，F(xiàn)ugatto的研發(fā)目標是創(chuàng)建一個能夠像人類一樣理解和生成聲音的模型。它不僅能夠根據(jù)文本描述生成音效和音樂，還能實現(xiàn)如將鋼琴演奏轉換成人聲歌唱、改變錄音的口音和情緒等高級功能。
對于音樂制作人來說，F(xiàn)ugatto將極大地提升工作效率和創(chuàng)意空間。他們可以快速制作音樂原型、嘗試不同的風格、聲音和樂器，同時提高現(xiàn)有軌道的音頻質量。廣告代理商和視頻游戲開發(fā)人員同樣能從中受益，前者可以快速調整廣告活動的口音和情感，后者則能動態(tài)創(chuàng)建游戲內音頻素材或修改預錄制的音頻。
Fugatto的創(chuàng)新性體現(xiàn)在多個方面。首先，它采用了ComposableART技術，能夠在推理過程中組合在訓練期間單獨學習的指令，如將法國口音與悲傷情緒相結合。其次，該模型具有指令插值能力，允許用戶對文本指令進行精細控制，如調整重音和情緒強度。此外，F(xiàn)ugatto還能生成隨時間變化的聲音，如模擬暴雨逐漸增強又慢慢消失的場景，為音景創(chuàng)作提供了更多可能性。
最重要的是，與大多數(shù)只能重現(xiàn)訓練數(shù)據(jù)的模型不同，F(xiàn)ugatto能夠創(chuàng)造出全新的音景，如雷雨逐漸緩和為黎明的場景，展示了其在音頻生成領域的無限潛力。
隨著Fugatto的發(fā)布，英偉達再次展示了其在人工智能領域的領導地位，為音頻創(chuàng)作和編輯帶來了前所未有的創(chuàng)新和便利。這款“聲音的瑞士軍刀”無疑將在音樂、廣告和視頻游戲等多個行業(yè)中發(fā)揮重要作用，開啟音頻創(chuàng)作的新紀元。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
