来自香港科技大学、MSRA、萨里大学、内蒙古大学、北京邮电大学和新加坡国立大学的研究人员推出新型零样本（Zero-Shot）语音合成系统FlashSpeech，零样本语音合成是指在没有特定说话人数据训练的情况下，能够模仿该说话人的声音来生成语音的技术。这项技术可以应用于多种场景，比如为电影角色配音、创建个性化的虚拟助手... 阅读全文

昆仑万维推出新型音乐生成模型Music Consistency Models（MusicCM），MusicCM的目标是提高音乐生成的效率和质量，它借鉴了图像和视频生成中常用的一致性模型（consistency models）的概念，以更少的采样步骤高效地合成音乐片段。 主要功能和特点： 高效音乐生成：MusicCM能够... 阅读全文

Parler-TTS 是一个轻量级的文本到语音（TTS）模型，能够生成具有特定说话者风格（性别、音高、说话方式等）的高质量、自然听起来的语音。这个模型是 Stability AI 和爱丁堡大学 Dan Lyth 和 Simon King 两位作者在论文 "Natural language guidance of hig... 阅读全文

Stability AI之前推出Stable Audio 2.0，只需要一句提示词，即可生成长达三分钟的44.1 kHz立体声、结构连贯且音质上乘的完整曲目，还支持音频到音频转换能力，以及上传任意音乐对其进行风格转换。官方在昨天发布该模型的技术论文，由Stability A通过训练一个基于扩散变换器（diffusion... 阅读全文

Suno的竞争对手出现了！由前谷歌 DeepMind 的领先 AI 研究员和工程师创立的Udio正式上线，目前处于免费测试阶段，用户每月可以生成1200首歌。相比Suno，Udio生成的歌曲时长更长，人声更加优质，偏向于模仿真实的歌手。不过目前由于使用人数过多，网站处于报错状态，大家可以明后天再进行测试。 官方介绍： ... 阅读全文

来自微软、 东京大学、浙江大学、中国科学技术大学、香港中文大学和香港中文大学（深圳）的研究人员推出新型文本到语音（TTS）合成方法RALL-E，它通过改进语音的音调和时长预测，以及增强模型对音素的关注，从而生成更加准确和自然的语音输出。想象一下，你有一段文字，想要让它变成流畅自然的语音，就像有人在朗读一样。RALL-E... 阅读全文

来自德克萨斯大学奥斯汀分校和Rembrand的研究团队推出先进语音合成模型VOICECRAFT，它能够在不需要任何额外文本的情况下，对语音进行编辑和合成，这被称为零样本文本到语音（TTS）任务。想象一下，你有一段录音，想要改变里面的某些词语或者语调，而不需要重新录制整个句子，VOICECRAFT就能够做到这一点。同样，... 阅读全文

Stability AI在今天推出Stable Audio 2.0，只需要一句提示词，即可生成长达三分钟的44.1 kHz立体声、结构连贯且音质上乘的完整曲目，还支持音频到音频转换能力，以及上传任意音乐对其进行风格转换。目前免费用户可生成10首歌曲，不过从听感来说，生成的歌曲并不如Suno的好听，Stable Audi... 阅读全文

随着各种AI音乐生成器的不断涌现，尤其是Suno 3.0的惊艳问世，许多音乐人感受到了前所未有的压力。近期，国外200多位知名音乐人联名签署了一封公开信，强烈呼吁停止AI对人类创造力的侵害，并保护艺术家免受其掠夺性使用的伤害。 这封公开信的签名者横跨多个音乐流派和时代，既包括Billie Eilish、J Balvin... 阅读全文

Suno AI API是一个非官方的Suno AI  API开源项目，用 API 调用 suno.ai 的音乐生成AI，并且可以轻松集成到 GPTs 等 agent 中。 特点： 完美的实现了 app.suno.ai 中的创作 API 支持 Custom Mode 一键部署到 vercel 除了标准 API，还适配了 ... 阅读全文

AI音乐生成创企Suno发布文生音乐模型v3，该模型可在几秒钟内创建完整的两分钟歌曲。该工具可以通过其免费的独立网站访问，也可以通过启用Suno的第三方插件Microsoft Copilot访问。 Suno官方介绍： 在Suno，我们致力于打造一个每个人都能轻松创作音乐的未来。不论何时何地，只需几句简短的话语，你就可以... 阅读全文

Adobe推出一个名为MusicHiFi的新型高保真立体声音码器（vocoder）。声音码器是一种可以将音乐的图像表示（例如梅尔频谱图）转换为音频波形的技术。现有的大多数声音码器通常只能生成较低分辨率的单声道音频（例如16-24 kHz），这限制了它们的效果。MusicHiFi通过使用一系列生成对抗网络（GANs）来改... 阅读全文