وفقا ل Pinwan ، تظهر صفحة Arxiv أن Alibaba أصدرت مؤخرا نموذجا للغة صوتية يسمى Qwen-Audio. تم تصميم النموذج لتحقيق فهم صوتي عالمي من خلال توسيع التدريب المسبق للغة الصوتية لتغطية أكثر من 30 مهمة وأنواع صوتية مختلفة ، مثل الأصوات البشرية وأصوات الطبيعة والموسيقى والأغاني. أظهرت الأبحاث أن Qwen-Audio يحقق أداء كبيرا في مجموعة واسعة من المهام المعيارية دون الحاجة إلى ضبط دقيق خاص بالمهمة.

في 24 أكتوبر ، أصدرت مجلة تايم قائمة "أفضل الاختراعات 2023" ، والتي تضم 200 ابتكار يغير الطريقة التي نعيش بها. من بينها ، تم اختيار ما مجموعه 14 مشروعا في مجال الذكاء الاصطناعي ، بما في ذلك Adobe Photoshop's Generative Expand and Generative Fill ، و OpenAI's GPT-4 و Dall-E 3 ، و Runway Gen-2 ، و Meta SeamlessM4T ، و Stable Audio وما إلى ذلك.

وفقًا لموقع TechCrunch، في 13 سبتمبر، أعلنت شركة Stability AI عن إطلاق Stable Audio، وهو مولد موسيقى يعمل بالذكاء الاصطناعي. تدعي Stable أنها الأداة الأولى القادرة على إنشاء موسيقى "عالية الجودة" بتردد 44.1 كيلو هرتز للاستخدام التجاري من خلال تقنية تسمى الانتشار الكامن. من خلال التدريب على البيانات الوصفية الصوتية بالإضافة إلى مدة ووقت بدء الملفات الصوتية، قال Stability أنه بالمقارنة مع أدوات الموسيقى التوليدية التي تم إصدارها مسبقًا، فإن النموذج الأساسي لـ Audio Diffusion يحتوي على ما يقرب من 1.2 مليار معلمة ويمكنه تجميع محتوى ومحتوى الصوت. مدة. قبل عام، أصدرت Stability AI بهدوء Dance Diffusion، ولكن بعد ذلك توقف Harmonai، معهد الأبحاث الذي مولته Stability لإنشاء النموذج، عن تحديث Dance Diffusion. لم يتم تطوير الصوت الثابت الذي تم إطلاقه اليوم بواسطة Harmonai فقط. أنشأ فريق الصوت في Stability، والذي تم إطلاقه رسميًا في أبريل، نموذجًا جديدًا مستوحى من Dance Diffusion كأساس لـ Stable Audio، والذي تم تدريبه بعد ذلك بواسطة Harmonai. حاليًا، يتوفر الصوت الثابت فقط من خلال تطبيق الويب. لم تعلن شركة Stability أيضًا عن خطط لإصدار النموذج الكامن وراء Stable Audio كمصدر مفتوح.

Kim Asendorf: مدير فيديو Metallica الذي يصنع NFT Art مصممًا للتنويم المغناطيسي كشف Kim Asendorf ، وهو خبير تعبيري رقمي وفن الإنترنت ، عن أحدث إصداراته في NFT ، "Colors of Noise". برعاية Peggy Schoenegge لمنصة Feral File ، ستتوفر سلسلة من 50 عملاً فنيًا فريدًا مقابل 0.25 ETH لكل منها. قام Asendorf بدمج الفن المرئي والمسموع لأول مرة في حياته المهنية ، باستخدام Web Audio API لتوليد ضوضاء بيضاء وإنشاء رسوم متحركة.