За словами Пінвана, сторінка Arxiv показує, що Alibaba нещодавно випустила модель аудіомови під назвою Qwen-Audio. Модель призначена для досягнення універсального розуміння звуку шляхом розширення попереднього навчання аудіомови, щоб охопити понад 30 завдань і різні типи звуку, такі як людські голоси, звуки природи, музика та пісні. Дослідження показали, що Qwen-Audio досягає значної продуктивності в широкому спектрі еталонних завдань без необхідності тонкого налаштування конкретного завдання.

24 жовтня журнал Time оприлюднив свій список «Найкращі винаходи 2023 року», до якого увійшли 200 інновацій, які змінюють спосіб нашого життя. Серед них загалом було відібрано 14 проєктів у сфері штучного інтелекту, серед яких Generative Expand and Generative Fill від Adobe Photoshop, GPT-4 та Dall-E 3 від OpenAI, Runway Gen-2, Meta SeamlessM4T, Stable Audio тощо.

Як повідомляє TechCrunch, 13 вересня компанія Stability AI оголосила про запуск Stable Audio, музичного генератора зі штучним інтелектом. Stable стверджує, що це перший інструмент, здатний створювати «високоякісну» музику 44,1 кГц для комерційного використання за допомогою технології під назвою «прихована дифузія». Вивчаючи метадані аудіо, а також тривалість і час початку аудіофайлів, Stability каже, що порівняно з раніше випущеними інструментами для генерації музики базова модель Audio Diffusion має приблизно 1,2 мільярда параметрів і може синтезувати вміст і вміст аудіо. Кращий контроль над тривалість. Рік тому Stability AI тихо випустила Dance Diffusion, але потім Harmonai, дослідницький інститут, який Stability фінансував для створення моделі, припинив оновлення Dance Diffusion. Стабільне аудіо, запущене сьогодні, не було розроблено виключно Harmonai. Аудіокоманда Stability, яка була офіційно запущена в квітні, створила нову модель, натхненну Dance Diffusion, як основу для Stable Audio, яка потім була навчена Harmonai. Наразі Stable Audio доступний лише через веб-програму. Стабільність також не оголосила про плани випустити модель, що стоїть за Stable Audio, як відкритий код.