近年来，包括语言模型在内的生成式人工智能模型取得了巨大进步，并显示出非凡的能力。尽管我们在图像、视频和文本的生成人工智能方面看到了很多令人兴奋的AI生成工具，但音频似乎总是有点落后。

Meta 近日推出了名为 AudioCraft 的开源人工智能工具，该工具将帮助用户根据文本提示创建音乐和音频。

AudioCraft 包含三个模型：MusicGen、AudioGen和EnCodec。MusicGen 使用 Meta 拥有且专门授权的音乐进行训练，根据基于文本的用户输入生成音乐，而 AudioGen 使用公共音效进行训练，根据基于文本的用户输入生成音频。

现在，Meta发布了 EnCodec 解码器的改进版本，它可以用更少的音损生成更高质量的音乐；我们预先训练的 AudioGen 模型，可让您生成环境声音和声音效果，例如狗叫声、汽车喇叭声或木地板上的脚步声；以及所有 AudioCraft 模型权重和代码。这些模型可用于研究目的并加深人们对该技术的理解。

MusicGen 是专门为音乐生成量身定制的音频生成模型。音乐曲目比环境声音更复杂，在创建新颖的音乐作品时，在长期结构上生成连贯的样本尤其重要。MusicGen 接受了大约 400,000 个录音以及文本描述和元数据的训练，总计 20,000 小时的音乐，这些音乐由 Meta 拥有或专门为此目的获得许可。

AudioCraft工作流程  图片来源：Meta

【原创申明】为了更好保护支持原创内容和对忠实读者负责，本网站跨境阿米SHOW（网站地址：www.amishow.com）及公众号跨境阿米SHOW（微信号：amishow321）刊载的包括文字、图片、音频、视频等所有内容，除签署正式付费转载协议伙伴外，禁止任何形式的复制、转载、修改或者以其他方式使用本网站或本公众号的内容。本网站或本公众号部分引用资料只代表原作者意见，不代表本网站www.amishow.com或者本公众号『跨境阿米SHOW』任何立场，如发现本站文字存在版权疑问，请联系我们「微信号:amishow01」「邮箱copyright@amishow.com」处理。