项目Bark功能：文本音频模型

项目Bark 项目功能：文本音频模型 项目简介：Bark是由Suno创建的基于transformer的文本转音频模型。Bark能够生成高度逼真的多语言语音，以及其他音频，包括音乐、背景噪音和简单的音效。该模型还可以产生笑声、叹息和哭声等非语言交流。 Bark支持各种语言，可以自动从输入文本中确定语言。当输入的文本是混合编码时，Bark会尝试使用相应语言的本地口音。目前英语的质量最好 项目地址：点击直达 排队申请：点击直达

Bark开源的文字生成音频模型。

Bark 开源的文字生成音频模型。 - 非常真实自然的语音 - 英文效果最佳，其他语言还欠佳 - 支持通过文本生成歌曲 - 支持生成背景噪音、简单的音效 - 支持大笑、叹息、哭泣 - 开源模型，自己可以下载玩，也可以去官方排队体验 项目地址，包含demo试听

Meta开源了AI 音频生成工具 AudioCraft，包含 3 个模型：

Meta开源了AI 音频生成工具 AudioCraft，包含 3 个模型： - MusicGen 文本生成音乐 - AudioGen 文本生成音频 - EnCodec 损失更少的音频压缩 || MusicGen在HuggingFace 上的

Meta公司发布开源AI作曲项目 MusicGen

Meta公司发布开源AI作曲项目 MusicGen Meta的MusicGen可以根据文本提示生成短小的音乐片段，还可以选择性地与现有的旋律对齐。 和大多数当前的语言模型一样，MusicGen基于Transformer模型。就像语言模型预测句子中的下一个字符一样，MusicGen预测音乐作品中的下一个部分。 研究人员使用Meta的EnCodec音频分词器将音频数据分解成更小的组件。作为一个单阶段模型，它可以并行处理标记，因此MusicGen快速而高效。 团队使用了20,000小时的授权音乐进行训练。特别是他们依赖于一个内部数据集，其中包括10,000首高质量的音乐曲目，以及来自Shutterstock和Pond5的音乐数据。

Stable Audio Open 开源 AI 模型发布

Stable Audio Open 开源 AI 模型发布 Stability AI 立足 Stable Diffusion 文生图模型，进一步向音频领域拓展，推出了 ，可以基于用户输入的提示词，生成高质量音频样本。 Stable Audio Open 最长可以创建 47 秒的音乐，非常适合鼓点、乐器旋律、环境音和拟声音效，该开源模型基于 transforms 扩散模型（DiT），在自动编码器的潜在空间中操作，提高生成音频的质量和多样性。 Stable Audio Open 目前已经开源，感兴趣的用户可以在上试用。据说它使用了来自 FreeSound 和 Free Music Archive 等音乐库的 486000 多种采样进行训练。Stability AI 公司表示：“虽然它可以生成简短的音乐片段，但并不适合完整的歌曲、旋律或人声”。 Stable Audio Open 和 Stable Audio 2.0 不同是，前者为开源模型，专注于短音频片段和音效，而后者能够生成最长 3 分钟的完整音频。来源 ， 频道：@kejiqu 群组：@kejiquchat

：这是一个实验项目，使用 OpenAI GPT 插件和复制将所有 AI API 合并为一个。

：这是一个实验项目，使用 OpenAI GPT 插件和复制将所有 AI API 合并为一个。 该应用程序没有使用单独的界面进行图像生成、视频生成、音频生成和一般文本自然语言处理，而是将所有这些界面组合到一个提示中。 目前支持的API： 文字转图像 文字转视频 文字转音频 通用自然语言处理