在2024年12月18日的火山引擎 FORCE 原动力大会上，火山引擎宣布对豆包大模型家族进行全面升级，并重磅发布了全新的视觉理解模型。火山引擎总裁谭待表示，豆包大模型的日均 tokens 使用量在过去几个月中迅猛增长，达到了超过4万亿，相较于5月发布时增长了33倍。这一增长趋势显示出豆包大模型在多个应用场景中的广泛使用。本次，火山引擎通过推出视觉理解模型，使得用户能够同时输入文本和图像的问题，模型能够综合理解并给出准确的回答。这一创新将大大简化应用的开发流程，并激

在今日举办的火山引擎FORCE大会上，火山引擎CEO谭待宣布，豆包通用模型Pro自5月以来在多个领域取得了全面提升，包括综合能力、推理能力、指令遵循、代码执行和数学处理等方面。谭待表示:“更强大的模型将推动企业AI的全面升级。”豆包通用模型Pro的改进已帮助多个企业，尤其是中手游和赛力斯汽车等行业领先企业，在AI应用方面实现了显著的升级。图源备注:图片由AI生成，图片授权服务商Midjourney此外，豆包音乐模型也进行了重要升级，新增了支持更长时间的全曲生成功能，并且能够

ABBA联合创始人Björn Ulvaeus发出严正警告:生成式人工智能正严重威胁音乐创作者的生存权益。国际作者和作曲家联合会（CISAC）最新经济研究报告显示，到2028年，音乐艺术家可能会损失约五分之一的收入。这份令人震惊的研究揭示了AI对创意产业的潜在破坏性。报告预测，音乐和视听领域的创作者分别面临24%和21%的收入损失，这意味着在未来五年内将累计损失220亿欧元。与之形成鲜明对比的是，生成式AI提供商在同期的收入预计将从3亿欧元激增至90亿欧元。图源备注：图片由AI生成，图片授权

根据国际作者和作曲家协会（CISAC）的一项全球经济研究，未来四年，音乐行业的从业者将面临近四分之一的收入损失。这项研究首次探讨了人工智能(AI)技术对人类创造力的影响，结果显示，随着生成式 AI 市场的迅速扩张，音频和视听行业的从业者也将经历超过20% 的收入缩水。图源备注:图片由AI生成，图片授权服务商Midjourney该报告于周三在巴黎发布，指出虽然 AI 的迅猛发展将极大丰富大型科技公司，但若政策制定者不采取措施，创作者的权益和收入将受到严重威胁。CISAC 的主席、曾是

Spotify 用户现在可以通过 Google 的生成式 AI 助手 Gemini 扩展，用自然语言请求播放音乐。根据9to5Google 的报道，该功能首次出现在6月的 Google 应用程序代码中，现在正逐步向兼容的 Android 设备推出。使用此扩展，用户可以通过歌曲名称、艺术家、专辑名称或播放列表名称来查找和播放音乐，但目前 Gemini 尚不支持在 Spotify 上创建播放列表或电台。一个需要注意的点是，如果用户关联了多个音乐服务（例如 YouTube Music），则在初始请求时，用户需要明确指出希望 Gemini 使用哪一项服务，之后 Gemi

还记得科幻电影中，主角挥舞着魔法棒，就能随意操控声音的场景吗?现在，这种神奇的能力不再是幻想!NVIDIA 最新发布的AI模型Fugatto，就像一支“声音魔法棒”，让用户仅凭文字就能操控音乐、声音和语音，创造出各种奇妙的听觉效果。Fugatto，全称为“Foundational Generative Audio Transformer Opus1”，是一款基于生成式AI技术的音频处理模型。与其他只能创作音乐或修改语音的AI模型不同，Fugatto 拥有更强大的能力，可以生成或转换任何音乐、语音和声音的混合体，并且能够理解并执行用户通过文本

在音乐和声音创作领域，技术与创意的结合总是面临诸多挑战。现有的 AI 模型往往只擅长特定的任务，缺乏广泛的适应性，这使得 AI 在音乐制作中的辅助作用受限。为了让 AI 更好地服务于音乐与音频生产，亟需一款能够灵活应对各种创作需求的通用模型。为此，NVIDIA 推出了 Fugatto，这是一款拥有25亿参数的音频生成与处理模型。Fugatto 的设计旨在通过结合文本提示与先进的音频合成能力，提供高灵活度的声音输入和创作实验空间。例如，它可以将钢琴旋律转变为人声演唱，或者让小号发出

在版权争议声中持续创新的AI音乐平台Suno今日迎来重大升级。作为目前全球第五大生成式AI服务提供商，Suno面向付费用户正式发布第四代模型（V4），带来了革命性的技术突破和创作体验。这款新模型最显著的改进在于音质的全面提升。不仅新创作的音乐作品品质得到大幅提升，用户还可以将已有作品升级至V4音质标准，为过往作品注入新的生命力。在创作工具方面，V4版本引入了更智能的歌词创作系统，能够生成更具创意性和艺术性的歌词内容。同时，新增的封面设计功能让创作者能够打

AI 音乐初创公司 Suno 最近发布了其音乐生成模型的4.0版本，带来了音频质量、歌词准确性和歌曲结构等多方面的改进。本次更新有一个称为 “Remaster” 的新功能，可以让用户将使用旧版本 Suno 制作的曲目升级为4.0的高质量版本。此外，Suno 还推出了一个名为 “ReMi” 的 AI 歌词助手，旨在帮助用户进行创作。目前，4.0版本已在测试阶段开放给 Pro 和 Premier 订阅用户，但尚未公布免费用户的上线时间。除了音乐质量的提升，Suno 还对其封面艺术创作系统进行了全面升级，声称新系统能够创作出

在人工智能快速发展的今天，版权问题正成为AI企业面临的新挑战。2024年11月13日，德国音乐版权组织GEMA在慕尼黑地方法院对OpenAI提起诉讼，成为全球首个对AI供应商采取法律行动的版权集体管理组织。GEMA指出，OpenAI的ChatGPT在未获得适当许可和支付版税的情况下，擅自复制和使用受版权保护的歌词内容。此次诉讼同时针对美国的OpenAI LLC和负责欧洲业务的OpenAI Ireland Ltd两家公司。GEMA首席执行官Tobias Holzmüller博士强调:"我们会员的作品不是AI公司商业模式的免费原材料。"据GEMA的研究显示，生

YouTube在人工智能音乐创作领域再度发力。继去年推出允许创作者通过文字提示生成Charlie Puth、Charli XCX等知名艺人声音的AI歌曲功能后，该平台近日宣布为Dream Track工具集新增歌曲重塑功能，让创作者能通过简单的文字描述来改变歌曲风格。这项实验性功能目前向特定创作者开放测试。测试组成员可以在选定歌曲中使用"重塑歌曲风格"选项，通过文字描述想要的改变效果。系统将生成一段30秒的音频片段，供创作者在Shorts短视频中使用。YouTube表示，创作者只需在提示框中输入对歌曲风格或情

YouTube 近日宣布正在测试一项新的功能，允许创作者利用人工智能技术为短视频（Shorts）中的授权音乐进行 “重塑”。这一创新的功能名为 “Dream Track”，旨在让创作者能够更自由地表达他们的艺术创意。在此次测试中，参与的创作者可以选择一首符合条件的歌曲，并输入相应的提示，改变音乐的情绪或流派。系统将根据这些指令生成一个独特的30秒配乐，用于他们的短视频创作。创作者们将能够通过这一功能，将熟悉的歌曲重新演绎成更符合他们内容风格的音乐，带来新的视听体验。每

近日，Suno 公司发布了其最新的 v4音乐生成模型的音频样本。这些演示音频展现了与之前版本相比，音质、音色多样性和一致性都有了显著提升。Suno 的 v4模型通过深度学习技术对大量音乐数据进行训练，旨在生成更自然、更丰富的音乐作品。与以往版本相比，v4模型在音频合成方面的表现更为出色，能产生更具表现力的乐曲，增强了音乐的情感表达。听众在试听样本时，能够明显感受到音质的细腻程度和旋律的流畅性，给人以耳目一新的体验。为了使这一新模型的功能更为全面，Suno 还对

日前，小米官方宣布大模型小爱音乐能力，新增了全新的「音乐问答」功能，并在多端设备支持新功能!该功能适用于多种设备，包括手机、车载设备等，用户只需将小爱同学的大模型升级至最新版本即可体验这一新功能。根据小米的介绍，「音乐问答」功能是基于人工智能能力的提升，能够帮助用户查询歌曲信息，解答专业音乐知识等。无论是在手机上还是车载设备中，用户都可以方便地与小爱同学进行互动，获取自己感兴趣的音乐内容。小米小爱同学在今年7月经历了一次重大版本更新

最近，环球音乐集团（UMG）宣布了一项激动人心的合作计划，他们与一家名为 Klay Vision 的公司达成了协议，共同开发一个 “道德” 的音乐生成模型。这个名为 KLayMM 的大型音乐模型，预计将在几个月内推出产品。图源备注：图片由AI生成，图片授权服务商MidjourneyKlay Vision 的创始人兼首席执行官 Ary Attie 表示，他们希望这个 AI 音乐生成器能与音乐行业及其创作者紧密合作。他们的目标是将 AI 音乐的生成过程变得更加可持续，而不是短暂的潮流。虽然具体的合作细节尚未披露，但 Klay Vision 和

最近，研究人员开发了一种新的通用光学字符识别（OCR）模型，名为 GOT(通用 OCR 理论)。在他们的论文中，首次提出了 “OCR2.0” 的概念，这个新模型旨在将传统 OCR 系统的优点与大型语言模型的强大功能结合起来。GOT 的架构相当先进，包含了一个大约8000万参数的图像编码器和一个500万参数的解码器。图像编码器能够将1024x1024像素的图像压缩成 tokens，而解码器则负责将这些 tokens 转换成最长可达8000个字符的文本。通过这种方式，OCR2.0

在人工智能音乐创作领域，Suno一直是引领潮流的佼佼者。近日，该平台推出了一项重大更新，进一步提升了用户的创作自由度。这项新功能允许用户精确替换歌曲中的特定部分，无论是歌词还是乐器间奏，都可以按照创作者的意愿进行个性化调整。此次更新的核心亮点包括:精确编辑:用户现在可以选择10-30秒的歌曲片段进行替换。这种精细化的编辑能力让创作者能够更好地控制歌曲的每一个细节。多元化替换:无论是歌词、鼓点还是吉他solo，都可以成为替换的对象。这为歌曲的创新和个性化

人工智能正以前所未有的速度闯入音乐创作领域，引发了一场关于艺术本质和创作权益的激烈争论。从病毒式传播的AI生成歌曲到大型唱片公司的法律诉讼，AI音乐正在重塑整个音乐产业的格局。一方面，AI音乐技术为普通人打开了创作的大门。Boomy、Sound Draw等平台让没有专业音乐背景的用户也能轻松创作歌曲。这种民主化的创作方式得到了一些艺术家的支持，他们认为这能激发更多人的创意潜能，丰富音乐生态。图源备注：图片由AI生成，图片授权服务商Midjourney然而，传统音乐产业对此持

最近，Spotify 在美国、加拿大、爱尔兰和新西兰等地推出了它的新AI播放列表功能。这一功能最初在英国和澳大利亚的 Premium 用户中上线，反响热烈，现已扩展至更多地区。使用这个功能非常简单，用户只需在应用内输入一些文字提示，比如 “适合在家约会的浪漫播放列表”，然后就能得到一份定制的歌曲推荐，完全符合你想要的氛围和心情。这款功能目前在安卓和 iOS 设备上处于测试阶段，用户体验也在不断优化。用户可以通过更多的提示来进一步完善播放列表。Spotify 甚至会给出一些建

在今日的2024火山引擎 AI 创新巡展上，出了视频生成模型，字节跳动还发布了豆包·音乐模型和豆包·同声传译模型，并宣布对豆包通用模型pro、文生图模型、语音合成模型等垂类模型进行了大幅升级。豆包·音乐模型的推出，标志着火山引擎在音乐创作领域的深度布局。该模型通过强大的算法支持，实现了高品质的音乐创作自由。歌词生成方面，仅需简单几个字的输入，即可快速生成情感表达精准、意境深远的歌词内容。旋律创作上，豆包·音乐模型提供了超过10种不同的音乐风格和情绪表达选项，满足了创作者多样化的需求。