文字可生成音樂！Meta發(fā)布的AI工具AudioCraft有何不同之處？

財(cái)聯(lián)社8月3日訊（編輯 牛占林）美東時(shí)間周三，Meta發(fā)布了一款開源人工智能(AI)工具AudioCraft(直譯為音頻技藝)，該工具可以幫助用戶根據(jù)文本提示創(chuàng)作音樂和音頻。

(相關(guān)資料圖)

Meta表示，這款人工智能工具將AudioGen、EnCodec和MusicGen三種模型或技術(shù)融為一爐，可用文本內(nèi)容生成高質(zhì)量、逼真的音頻和音樂。

Meta在官網(wǎng)介紹稱，MusicGen接受過Meta擁有的和特別授權(quán)的音樂訓(xùn)練，可以從文本提示生成音樂，而AudioGen接受過公共音效訓(xùn)練，可從文本提示生成音頻，比如模擬狗叫或腳步聲；再加上EnCodec編解碼器的改進(jìn)版本，用戶可以更高效率地生成更高質(zhì)量的音樂。

在6月初，Meta推出了名為MusicGen的開源人工智能模型，這是一種深度學(xué)習(xí)語言模型，可以根據(jù)文本提示生成音樂。

Meta的EnCodec是一個(gè)基于深度學(xué)習(xí)的音頻編解碼器，由人工智能驅(qū)動(dòng)，可以在音頻質(zhì)量沒有損失的前提下，將音頻壓縮到比MP3格式還要小10倍的程度。

AudioGen則是一個(gè)來自Meta和耶路撒冷希伯來大學(xué)的研究團(tuán)隊(duì)的人工智能模型，可以通過輸入文本來生成音頻，亦可以擴(kuò)展現(xiàn)有音頻。AudioGen可以區(qū)分不同的聲音對(duì)象，并在聲學(xué)上將它們分開。

Meta還演示了MusicGen和AudioGen工作的流程圖，并表示將讓這些模型開源，讓研究人員和從業(yè)人員可以用自己的數(shù)據(jù)集訓(xùn)練適合自己的模型，并幫助推進(jìn)人工智能生成音頻和音樂領(lǐng)域的發(fā)展。

與其他音樂模型相比，AudioCraft系列模型能夠生成長期一致的高質(zhì)量音樂和音頻，還簡(jiǎn)化了音頻生成模型的整體設(shè)計(jì)，使得該工具簡(jiǎn)單易用。

Meta相信它的模型可以引領(lǐng)新一波歌曲潮流，就像合成器改變音樂一樣。“我們認(rèn)為MusicGen可以變成一種新型的樂器，就像最初出現(xiàn)的合成器一樣。”

當(dāng)然，Meta也承認(rèn)創(chuàng)作復(fù)雜而又優(yōu)秀的音樂還是比較困難的，因此它選擇將AudioCraft開源，以使用于訓(xùn)練它的數(shù)據(jù)多樣化。

今年早些時(shí)候，谷歌也發(fā)布了名為MusicLM的音樂生成模型，并于5月向上月向所有用戶開放。除此之外，目前較為常見的音樂模型還有Riffusion、Mousai和Noise2Music等。

關(guān)鍵詞：