Nvidia 最近宣布了其新的 Fugatto 生成式 AI 音頻工具，並將其描述為「世界上最靈活的聲音機器」——能夠製作各種音樂、語音及其他音頻，甚至是從未聽過的獨特聲音。
Fugatto 的全名為 Foundational Generative Audio Transformer Opus 1，能夠處理文本提示和音頻樣本。用戶只需簡單描述想要聽到的內容，或讓 AI 模型修改或結合現有的音頻片段。例如，可以將火車的聲音轉變為華麗的管弦樂編曲，或將班卓琴旋律與雨聲混合。只需輸入提示，即可聽到薩克斯風吠叫或長笛喵喵的聲音。
Fugatto 還可以從音軌中隔離人聲，改變人聲的表達風格，並且可以從零開始生成語音。將現有的旋律輸入後，可以讓其以任何樂器演奏，並以任何風格呈現。不過，壞消息是——目前尚未推出。
那麼，如何嘗試這項令人印象深刻的新 AI 技術呢？目前無法使用：只能透過 Nvidia 的促銷視頻和樣本網站來了解。尚未有關於 Fugatto 何時會對公眾測試的消息。
Nvidia 發布的一些樣本包括女性聲音吠叫的聲音、工廠機器尖叫的聲音、打字機低語的聲音，以及大提琴憤怒吼叫的聲音。可以看到各種可能的音頻效果。
Nvidia 還展示了 AI 引擎如何生成口語片段，這些片段可以以不同的情感（從憤怒到快樂）以及不同的口音進行傳遞。Nvidia 的 Rafael Valle 表示：「我們想創建一個能理解和生成聲音的模型，就像人類一樣。Fugatto 是我們邁向未來的一步，未來在音頻合成和轉換中，無監督的多任務學習將從數據和模型規模中產生。」
