Metaは、オーディオ生成分野をリードするAudioboxを発表しました。ユーザーにより高度な制御性を提供します。
このモデルは、自由形式の音声再構築をサポートしており、音声入力とテキストプロンプトによって様々なサウンドを簡単に生成できます。
Audioboxは、音声生成において優れた性能を発揮するだけでなく、サウンドエフェクトの生成においてもこれまでの最先端モデルを凌駕しています。
Metaは、AIイノベーションへの懸念を示し、研究機関によるAudioboxの安全性と責任に関する研究に資金を提供します。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
TechCrunchによると、音声AI企業ElevenLabsは、同社のリーダーアプリでAI生成オーディオブックの出版を作家に許可しました。これは、同社がSpotifyと提携してAIナレーションのオーディオブックをリリースした後のことです。ElevenLabsは先月1億8000万ドルという巨額の資金を調達し、昨年から作家を対象に出版計画のトライアルを実施、今回正式にすべての作家に開放されました。同社は、制作コストを削減し、Audibleに対抗するために、価格が手頃で使いやすいオーディオブック制作ツールを提供することを目指しています。
最近、Adobe Researchとノースウェスタン大学が共同で開発した人工知能システム「Sketch2Sound」が発表されました。このツールは、サウンドデザイナーのワークフローを根本的に変革する可能性を秘めています。Sketch2Soundを使用すると、ユーザーはハミング、音声模倣、簡単なテキストによる説明だけで、プロフェッショナルなサウンドエフェクトやアンビエンスを作成できます。このシステムは、ユーザーの音声入力から音量、音色（明るさや暗さを決定）、ピッチという3つの主要な要素を分析します。その後、これらの特徴をユーザーの…
音楽や音声制作において、技術と創造性の融合は常に多くの課題に直面してきました。既存のAIモデルは特定のタスクにしか長けておらず、幅広い適応性に欠けるため、音楽制作におけるAIの支援は限定的でした。AIを音楽や音声制作により効果的に活用するために、様々な制作ニーズに柔軟に対応できる汎用モデルが求められています。そこでNVIDIAは、25億パラメーターを持つ音声生成・処理モデルFugattoを発表しました。Fugattoは、
【AI日報】へようこそ！AIの世界を探求するための毎日のガイドです。毎日、AI分野のホットなニュースをお届けし、開発者に焦点を当て、テクノロジーのトレンドを理解し、革新的なAI製品の応用を学ぶお手伝いをします。最新のAI製品はこちらをご覧ください：https://top.aibase.com/1、AI業界を震撼！14、マイクロソフト研究所がAIフレームワークE5-Vを発表：テキストペアの単一モーダル学習による多モーダル学習の簡素化とコスト削減マイクロソフト研究所と北京航空航天大学が共同で開発したE5-Vフレームワーク…
Stability AIは最近、オープンソースのオーディオ生成モデル「Stable Audio Open」を発表しました。最大47秒間、サンプリングレート44.1kHzのステレオオーディオを生成できます。オープンウェイト設計を採用し、ユーザーはモデルの参照、修正、拡張が可能になり、研究開発とイノベーションを促進します。Creative Commonsライセンスのオーディオデータを使用してトレーニングされているため、データの合法性と倫理性が確保されています。高度なモデルアーキテクチャにより、高品質なステレオオーディオ生成が可能になり、多様性と高忠実度が実証されており、最先端モデルと同等の性能を発揮します。このツールは研究者にとって...
【AIデイリーニュース】へようこそ！ここでは、AIの世界を探求するための毎日のガイドとして、AI分野のホットなトピック、開発者に焦点を当て、技術トレンドの洞察と革新的なAI製品の応用に関する情報を提供します。最新のAI製品については、こちらをご覧ください：https://top.aibase.com/1、５月１日の連休中、Reminiの「粘土AI」フィルターが小紅書を席巻５月１日の連休中に、小紅書プラットフォームで「粘土AI」フィルターという新しいトレンドが登場し、瞬く間にプラットフォームを席巻しました。
Google DeepMindは、人間が感知できないAIオーディオ透かし技術SynthIDを発表しました。このオーディオ透かしは、AI生成元の識別を目的とし、聴覚体験に影響を与えません。圧縮、加速、減速されたオーディオでも透かしを検出可能です。生成AIによる悪用を防ぐための重要な保護策となります。SynthIDは、オーディオ波を2次元視覚化する方法を採用しています。
{1:優れたオープンソースの音声・音楽生成モデルAudioLDM2がGitHubで注目を集めています。2:このモデルは高速で動作し、リズム、サウンドエフェクト、基本的な会話などを生成できます。3:このモデルの応用範囲はさらに広がり、音楽制作やサウンドエフェクト生成などの分野に新たな可能性をもたらすでしょう。}
LANDR、Descript、Splitterなどのオーディオ編集ツールは、人工知能技術を活用し、音楽制作の効率を飛躍的に向上させます。これらのツールは、トラック分離、ノイズ除去、音程バランス調整などを行い、ミュージシャンやレコーディングエンジニアの創作活動を支援します。AIオーディオ編集ツールは膨大なデータセットを分析し、複雑なパターンを検出することで、オーディオ処理を容易かつ効率的に行います。