文字生成音乐AI模型Suno发布重大更新 支持中文等50种语言 输入文字提示即可生成带歌词音乐

文字生成音乐AI模型Suno发布重大更新支持中文等50种语言输入文字提示即可生成带歌词音乐新版Chirpv1已在Discord上线！与v0相比，v1带来了一系列新功能和改进，文本到音乐AI迎来Midjourne时刻：现在支持包括中文在内50多种语言增强了音频质量可以选择您的音乐风格/流派使用[verse]和[chorus]等标签可控制歌曲结构更快的生成速度

开源声音与音乐生成模型AudioLDM2 只需提供文本即可生成高质量音频

开源声音与音乐生成模型AudioLDM2只需提供文本即可生成高质量音频项目地址:https://github.com/haoheliu/AudioLDM2相比传统的Concatenative方法，该模型可以生成更流畅连贯的音频。同时，相比基于GAN的方法，它生成的音频质量更高，更符合文本描述的语义。该工具提供了命令行接口和网页应用，非专业用户也可以轻松使用。用户可以选择不同的模型检查点，生成不同风格的音频。同时，调整随机种子也可以生成不同的音频样本。总之，这是一个强大且易用的文本到音频生成工具，可以广泛应用于音乐创作、音效生成、语音合成等领域。它极大地降低了音频内容生成的门槛，对创意行业有重大帮助。该模型的出现，无疑为音频处理领域注入了新的活力，并为相关行业提供了一种全新的解决方案。未来，这个模型的应用领域还可能进一步扩展，为我们的生活带来更多惊喜。...PC版：https://www.cnbeta.com.tw/articles/soft/1380491.htm手机版：https://m.cnbeta.com.tw/view/1380491.htm

Google推出Lumiere生成式AI 可基于文本提示创建逼真的图像和视频

Google推出Lumiere生成式AI可基于文本提示创建逼真的图像和视频这听起来可能并不令人印象深刻，但有了最新的生成式人工智能工具的帮助，我们就能走得更远，创造出令人惊叹的作品。Lumiere还使用扩散概率模型来帮助生成图像。这与时空U-Net相结合。对于那些不了解的人来说，U-Net是一种架构，它能带来时间上的放大和缩小，以及添加到图像中的注意力区块。最棒的是，这种新的生成式人工智能工具可以与许多其他模型一起使用，这将有助于创建比我们之前看到的任何图像和视频都更加逼真的图像和视频。Lumiere可用于创建以下内容：电影胶片将图像的单一部分制作成动画动画视频中的一个物体可以被另一个物体取代风格化生成：任何创作的艺术风格都可以改变为其他风格图像到视频：帮助制作任何所需图像的动画视频到视频：允许用户创建不同艺术风格的视频在撰写本文时，Lumiere创建的视频长度最长仅为5秒，而且还不具备创建视频转换和多角度摄像的功能。另外值得注意的是，如果你想试用Lumiere，仅靠标准GPU是不行的。PC本身必须有强大的图形处理能力，否则该工具根本无法运行。访问试用：https://lumiere-video.github.io/...PC版：https://www.cnbeta.com.tw/articles/soft/1415363.htm手机版：https://m.cnbeta.com.tw/view/1415363.htm

Meta 发布开源 AI 工具 AudioCraft，用户可通过文本提示创作音乐、音频

Meta发布开源AI工具AudioCraft，用户可通过文本提示创作音乐、音频Meta开源了一款生成式AI工具AudioCraft，可帮助用户通过文本提示创作音乐和音频。根据Meta官方介绍，AudioCraft包含了三个核心组件：1、MusicGen：使用Meta拥有/特别授权的音乐进行训练，根据文本提示生成音乐。2、AudioGen：使用公共音效进行训练生成音频或扩展现有音频，后续还可生成环境音效（如狗叫、汽车鸣笛、木地板上的脚步声）。3、EnCodec（改进版）：基于神经网络的音频压缩解码器，可生成更高质量的音乐并减少人工痕迹，或对音频文件进行无损压缩。该工具经过开源之后，相关研究人员和从业人员可以使用自己的数据集训练模型。官方宣称AudioCraft系列模型能够长期稳定地生成高质量音频，而且易于使用，能够为音乐家和声音设计师“提供灵感”，帮助他们快速集思广益，并“以新的方式迭代他们的作品”。AudioCraft项目地址：——、

Bard现已支持生成图像，并支持更多语言和地区

谷歌的Bard聊天机器人正在增加AI图像生成功能，这是它的竞争对手ChatGPTPlus几个月前就已经具备的特性。用户可以使用谷歌的Imagen2文字到图片模型，让Bard生成照片。Bard现在由谷歌的GeminiPro大型语言模型提供支持，它一直都有图片生成的功能。原本大家以为会由更强大的GeminiUltra模型来驱动这一功能，但这个模型目前还在开发中。谷歌还表示，它已经实施了技术和安全措施，以避免生成知名人士的图像，并限制暴力、冒犯性或色情内容。Bard今天也新增了一些其他功能。虽然目前图像生成只支持英语，但这款聊天机器人已经扩展到了40多种语言，覆盖了230多个国家。之前的版本只支持英语，并且只在170个国家可用。它现在支持的一些语言包括阿拉伯语、孟加拉语、泰米尔语和乌尔都语。标签:#Google#Bard频道:@GodlyNews1投稿:@GodlyNewsBot

阿里云的AI模型EMO上线通义App，允许用户通过照片和音频生成唱歌视频

阿里云的AI模型EMO上线通义App，允许用户通过照片和音频生成唱歌视频由通义实验室研发的AI模型EMO已在通义App上线，供用户免费使用。EMO是一个音频驱动的AI肖像视频生成系统，能够根据输入的参考图像和语音音频生成具有表现力的面部表情和头部姿势视频。用户可以选择多种模板，如热门歌曲或网络热梗，上传肖像照片后，EMO将合成相应的唱歌视频。目前，App提供了80多个模板，但不支持自定义音频。EMO的主要特点包括音频驱动的视频生成、高表现力和逼真度、无缝帧过渡、身份保持、稳定的控制机制、灵活的视频时长以及跨语言和风格的适应能力。此外，EMO的官方项目主页、研究论文和GitHub链接均已提供，模型和源码将待开源。关注频道@TestFlightCN