2024年11月26日(優分析產業數據中心)
輝達Nvidia(NVDA-US)於週一展示一種新的人工智慧（AI）模型，用於生成音樂和音訊，可以修改聲音並生成新奇的聲音。這項技術名為Fugatto（Foundational Generative Audio Transformer Opus 1的縮寫），其主要目標客群為音樂、電影和影像遊戲的製作人。
作為全球最大的AI晶片與軟體供應商，Nvidia表示，目前尚無計畫對外公開此技術。競爭者包括新創公司Runway與科技巨頭Meta Platforms，已展示根據文字提示生成音訊或影片的類似技術。
生成式人工智慧（Generative AI）的進步可能引領新一波內容創作與消費熱潮，刺激相關硬體需求（如高效能的GPU）。
Nvidia持續投入生成式AI研究，特別是在聲音技術領域的佈局，維持技術領先優勢。
Fugatto的特殊功能是什麼？
Fugatto能根據文字描述生成音效與音樂，甚至創造出新奇的聲音，如讓喇叭模仿狗叫聲。
與其他AI技術不同的是，Fugatto能夠接收和修改現有的音訊，如將鋼琴演奏的旋律轉換為人聲演唱，或者將錄製的語音改變口音與情緒表達。
Nvidia應用深度學習研究副總裁Bryan Catanzaro表示：「如果我們回顧過去50年的合成音訊發展，會發現現在的音樂因電腦與合成器而變得有所不同。我認為生成式AI將為音樂、影像遊戲以及希望創作內容的普通人帶來全新的能力。」
技術公開面臨的挑戰與風險
目前，像OpenAI這樣的公司正在與好萊塢商討如何使用AI於娛樂行業，但科技業與好萊塢之間的關係已經變得緊張。
尤其是OpenAI於5月為其ChatGPT聊天機器人推出了語音功能，但卻引發爭議，好萊塢演員Scarlett Johansson指控該公司模仿她的聲音。
Nvidia表示，Fugatto是基於開源數據進行訓練的，但是否以及如何公開這項技術仍在討論中。
Nvidia副總裁表示：「任何生成式技術都存在風險，因為有人可能會利用其來生成我們不希望出現的內容。我們必須對此保持謹慎，這也是為什麼我們目前無法立即公開此技術。」
目前，生成式AI的開發者尚未找到有效方法來防止技術濫用，如用戶生成虛假信息或侵犯版權內容（如生成受版權保護的角色）。
與此類似，OpenAI與Meta也尚未宣布何時會對外公開生成音訊或影片的模型。
相關新聞
