Stability AI 发布用于生成声音和歌曲的开放式AI模型

StabilityAI发布用于生成声音和歌曲的开放式AI模型该模型使用来自免费音乐库FreeSound和免费音乐档案馆的约486,000个样本进行训练。StabilityAI公司称，该模型可用于为视频、电影和电视节目创建鼓点、乐器旋律、环境噪音和"制作元素"，也可用于"编辑"现有歌曲或将一首歌的风格（如流畅爵士乐）应用到另一首歌中。StabilityAI公司在其公司博客上发表的一篇文章中写道："此次开源发布的一个主要好处是，用户可以根据自己的自定义音频数据对模型进行微调。例如，鼓手可以在自己的鼓声录音样本上进行微调，生成新的节拍。"不过，StableAudioOpen也有其局限性。它不能生成完整的歌曲、旋律或人声，至少不能生成好的歌曲、旋律或人声。StabilityAI表示，它并没有为此进行优化，并建议希望获得这些功能的用户选择该公司的高级StableAudio服务。StableAudioOpen也不能用于商业用途，其服务条款禁止这样做。此外，它在不同音乐风格和文化或英语以外的语言描述中的表现也不尽相同，StabilityAI将这些偏差归咎于训练数据。"数据源可能缺乏多样性，所有文化在数据集中都不具有同等代表性，"StabilityAI公司在对模型的描述中写道。"模型生成的样本将反映训练数据的偏差"。稳定人工智能公司（StabilityAI）长期以来一直在努力扭转业务颓势，最近，该公司负责生成音频的副总裁埃德-牛顿-雷克斯（EdNewton-Rex）因不同意该公司关于在受版权保护的作品上训练生成人工智能模型构成"合理使用"的立场而辞职，从而引发争议。StableAudioOpen似乎试图扭转这种说法，同时不着痕迹地宣传StabilityAI的付费产品。随着包括Stability音乐生成器在内的音乐生成器越来越受欢迎，版权--以及一些生成器创建者可能滥用版权的方式--正成为人们关注的焦点。5月，代表比利-乔尔（BillyJoel）、DojaCat和LilNasX等艺术家的索尼音乐公司致函700家人工智能公司，警告不要"未经授权使用"其内容来训练音频生成器。今年3月，美国田纳西州签署了第一部旨在遏制人工智能在音乐领域滥用的法律。...PC版：https://www.cnbeta.com.tw/articles/soft/1433768.htm手机版：https://m.cnbeta.com.tw/view/1433768.htm

Gemini AI聊天机器人现在可以播放YouTube Music中的歌曲

GeminiAI聊天机器人现在可以播放YouTubeMusic中的歌曲Google为Gemini添加YouTubeMusic支持已有一段时间，并在2024年GoogleI/O大会上宣布了这一功能。作为参考，Gemini扩展功能允许聊天机器人执行各种任务，如自动启动Google地图导航。启用扩展的方法之一是让Gemini查找或播放YouTube音乐。聊天机器人会自动在屏幕上显示添加YouTube音乐扩展的说明。或者，你也可以进入"设置">"扩展">"打开YouTube音乐"切换按钮。YouTubeMusic集成允许Gemini访问用户自身的YouTubeMusic数据，如播放列表、观看历史和喜欢的歌曲。因此，你可以提出"播放我喜欢的音乐"、"打开白噪声@YouTubeMusic"和"播放一些摇滚音乐"等询问。Google列出了一些提示格式示例，您可以用它们在Gemini聊天中查找和播放歌曲：查找[艺术家姓名]的[歌曲名]查找[艺术家姓名]的[专辑名称]专辑查找[播放列表名称]播放列表查找[类型]音乐搜索与[艺术家姓名]的[歌曲名]相似的歌曲找到那首[歌词]的歌查找[歌曲名称]音乐视频启动基于歌曲[歌曲名]的广播搜索[艺术家姓名]歌曲Google在一份支持文档中表示，Gemini的YouTube音乐集成功能不适用于Google信息，而且只能在英语提示下使用。此外，该扩展会根据你的YouTube音乐偏好更新你的观看历史。当你在iOS设备上输入要播放音乐的查询时，Gemini会显示一个标题卡，上面有歌曲的名称、艺术家、持续时间和流媒体数量。据9to5Google报道，在Android设备上，歌曲会在后台开始播放，而在iOS上，YouTubeMusic应用程序会自动打开。如果你想在网页版上播放歌曲，那就必须点击卡片打开YouTube音乐网站。...PC版：https://www.cnbeta.com.tw/articles/soft/1432116.htm手机版：https://m.cnbeta.com.tw/view/1432116.htm

VALL-E：微软全新文字转语音模型可以在三秒钟内复制任何人的声音

VALL-E：微软全新文字转语音模型可以在三秒钟内复制任何人的声音对于计算机行业来说，VALL-E是一项惊人的技术壮举，有可能改变我们与数字媒体互动的方式。语音的音调、魅力和风格都在生成的语音中保持不变，这是在使TTS系统听起来更自然方面迈出的重要一步。微软会不会基于这项技术有更多运用目前还不清楚，然而，微软已经发布了该模型的几个实例，很明显，这是TTS技术的一个重大进步。您可以在这里收听范例：https://mpost.io/vall-e-microsofts-new-zero-shot-text-to-speech-model-can-duplicate-everyones-voice-in-three-seconds/...PC版：https://www.cnbeta.com.tw/articles/soft/1338409.htm手机版：https://m.cnbeta.com.tw/view/1338409.htm

3秒复制任何人的嗓音 微软音频版DALL·E连环境背景音也能模仿

3秒复制任何人的嗓音微软音频版DALL·E连环境背景音也能模仿只需3秒钟，一个根本没听过你说话的AI，就能完美模仿出你的声音。是不是细思极恐？这是微软最新AI成果——语音合成模型VALL·E，只需3秒语音，就能随意复制任何人的声音。它脱胎于DALL·E，但专攻音频领域，语音合成效果在网上放出后火了：...PC版：https://www.cnbeta.com.tw/articles/soft/1338707.htm手机版：https://m.cnbeta.com.tw/view/1338707.htm

但在免费开源的 Stable Diffusion 模型中，任何人都可以禁用所有的审查过滤器，生成想要的任何图像，没有任何禁止。

中国有了据称比DALL-E2更好的AI模型，却（好吧，应该是毫无疑问）进行愚蠢的政治内容审查。2021年，中国科技公司百度已经开发了自己的跨模态生成模型，称为ERNIE-ViLG。但是通过最近公开的演示，一些用户发现中国专有的神经网络会对政治用语进行审查。例如，“中国的民主”、“翻墙”、“革命”、以及领导人的名字等任务，都不产生图像。相反，如果你进行这样的操作，它们会给你产生了一个中文的警告：“输入的内容不符合相关规则，请更改后重试”。在图像合成方面进行审查和限制不是中国独有的。就专有的DALL-E2而言，该公司已经禁止用户使用某些形式的内容，如裸体、暴力和政治内容。DALL-E2也抵制了真实人物的生成。专有的Midjourney模型也实施了完全相同的审查禁令。但在免费开源的StableDiffusion模型中，任何人都可以禁用所有的审查过滤器，生成想要的任何图像，没有任何禁止。StableDiffusion的创造者明确表示，他们将自己的创造公开，以避免政府或企业对AI模型的审查。自由软件的主导地位无可争议。#AI#China#Censorship#OpenSourceFreeSoftware#Anti-Censorship

唱片协会(RIAA)建议美国政府将人工智能语音克隆网站列入政府盗版监视名单

唱片协会(RIAA)建议美国政府将人工智能语音克隆网站列入政府盗版监视名单美国唱片工业协会(RIAA)现在认为人工智能语音克隆是一种潜在的版权侵权威胁，并希望美国政府将其纳入盗版监管名单。在提交给美国贸易代表(USTR)的一份文件中，RIAA要求美国政府将人工智能语音克隆类别纳入其据称宣扬盗版或假冒行为的年度实体名单中。美国唱片工业协会(RIAA)只点名了该领域的一家公司：。该公司提供例如ArianaGrande、TaylorSwift和KanyeWest等著名音乐艺术家的语音模型。该组织认为，该网站允许用户翻录YouTube视频并复制无伴奏合唱曲目，然后使用人工智能语音模型对其进行修改，侵犯了版权，也侵犯了录音艺术家的公开权。——