站长之家（ChinaZ.com）7月26日 消息:据zdnet报道，谷歌并不是第一次使用人工智能来创作音乐，今年1月，它推出了MusicLM，可以从文本生成音乐。现在，谷歌更进一步，使用人工智能来读取你的大脑——并根据你的大脑活动产生声音。
在一篇新的研究论文《Brain2Music》中，谷歌使用人工智能从功能性磁共振成像（fMRI）数据中重建大脑活动所对应的音乐。
一旦训练好，这个模型就可以利用MusicLM从fMRI中重建音乐。由于MusicLM是从文本生成音乐的，所以它被调节为在语义层面上创造出与原始音乐刺激相似的音乐。
在测试中，生成的音乐在诸如流派、乐器、情绪等特征上与参与者最初听到的音乐刺激相似。
在研究页面的网站上，你可以听到几段原始音乐刺激，并将它们与MusicLM生成的重建进行比较。结果非常令人惊叹。
其中一段刺激是布兰妮·斯皮尔斯的经典歌曲《Oops!..I Did It Again》的15秒片段。三段重建都是流行和欢快的风格，与原曲相似。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
在昨晚的GoogleI/O发布会上，Google宣布了一系列AI模型的更新，涵盖了从文本到视觉和音乐的多个领域:Gemini1.5Pro:支持200万上下文，针对翻译、编码、推理等关键用例进行了质量改进，但未发布测试结果。GeminiFlash:针对响应速度至关重要的窄或高频任务进行了优化，价格比GPT-3.5更便宜。这次发布会展示了Google在AI领域的全面布局和创新能力，从文本到视觉再到音乐，Google的AI模型正在不断进步，为用户带来更加丰富和高效的体验。
泰勒·斯威夫特以其标志性的方式在InstagramStory中发布了链接购买她新专辑《TheTorturedPoetsDepartment》中的首支单曲《Fortnight》。这对于斯威夫特来说可能算不了什么，她是世界上最大的录音艺术家之一。这不禁让人想看看，如果有人真的试图用AI泰勒冒充真正的泰勒，会发生什么。
在当今数字化的时代，音乐创作已经不再是专业的音乐人的专属领域。借助于人工智能技术，现在，每个人都可以成为音乐创作者。Sonauto对所有用户免费开放，无论是专业音乐人还是业余爱好者，都可以通过Sonauto实现快速创作，分享和探索音乐的无限可能。
AI音乐生成工具Udio利用先进的算法，帮助用户创作出独一无二的音乐作品。Udio宣布了的重大更新，包括*时长扩展、历史曲目结构等。这些改进使得Udio成为了音乐创作者和爱好者探索音乐创作新领域的理想选择。
AIJukebox是一个利用人工智能技术的音乐生成工具，它通过HuggingFace平台提供服务。这个工具的设计理念在于简化音乐创作过程，使其变得更加智能化和用户友好。易于访问和使用:作为一个在线工具，AIJukebox可以轻松地被世界各地的用户访问和使用，这进一步降低了音乐创作的门槛。
谷歌在其深度学习AI部门DeepMind的研究人员发布了一款名为Veo的全新式AI视频模型，能够创建“超过60秒的高质量、1080p剪辑”，“从照片写实主义到超现实主义和动画，它可以应对一系列电影风格”，在逼真度和视觉果方面达到了令人惊叹的水平。Veo的目标是帮助各类用户创作视频，不论是经验富的电影制片人、有抱负的创作者是渴望分享知识的教育工作者，都可以通过Veo实现�
OpenAI最近发布了一份名为“ModelSpec”的新文件，旨在向用户提供更深入的了解其人工智能模型。这一举措旨在向公众透明展示AI技术的运作方式，同时也为用户提供了审阅和提交反馈意见的机会。这一举措有助于推动AI技术的发展，同时也加强了用户与OpenAI之间的合作与沟通。
红帽在最近举办的峰会上宣布推出了RedHatEnterpriseLinuxAI开发者预览版。该产品被定位为基础模型平台，用于无缝开发、测试和运行同类最佳的开源Granite生成式人工智能模型，为企业应用提供动力。该产品将对企业开发、测试和运行开源生成式AI模型提供有力支持，为企业应用提供了全新的动力和便利。
Suno音乐生成器是一个基于NextJS开发的非官方suno.ai音乐生成网站，用户可以通过输入prompt快速生成自己想要的歌曲。通过JavaScript逆向工程解析suno.ai生成歌曲的API，内置token更新和保活功能，无需担心token过期。欲了解更多详细信息及开始您的音乐创作之旅，请访问Suno音乐生成器官方网站。
谷歌发布了它的新AI模型LearnLM将帮助学生解决作业问题。LearnLM是基于谷歌大型语言模型Gemini的一系列AI模型，旨在成为各个学科的专家，以不同的方式找到展示例子，在学习过程中辅导学生，并激发学习的兴趣。谷歌还哥伦比亚教师学院、亚利桑那州立大学、纽约大学Tisch学院和可汗学院合作为LearnLM提供反馈。
打标助手是基于GPT4-Vision开发的一个在线工具，它通过微调prompt实现批量图片文字标注，为基于SD模型的训练提供数据支持。该工具的主要优点在于其免费性、批量处理能力和高效的标注准确性，特别适合需要大量图片标注的科研和商业用户。
Gemma 2是下一代谷歌Gemma模型，拥有27亿参数，提供与Llama 3 70B相当的性能，但模型大小仅为其一半。它在NVIDIA的GPU上运行优化，或在Vertex AI上的单个TPU主机上高效运行，降低了部署成本，使更广泛的用户能够访问和使用。Gemma 2还提供了强大的调优工具链，支持云解决方案和社区工具，如Google Cloud和Axolotl，以及与Hugging Face和NVIDIA TensorRT-LLM的无缝合作伙伴集成。
Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。
Imagen 3 是谷歌一个先进的文本到图像的生成模型，它能够生成具有极高细节水平和逼真效果的图像，并且相较于之前的模型，其视觉干扰元素显著减少。该模型对自然语言的理解更为深入，能够更好地把握提示背后的意图，并从更长的提示中提取细节。此外，Imagen 3 在渲染文本方面表现出色，为个性化生日信息、演示文稿标题幻灯片等提供了新的可能性。
Veo是Google最新推出的视频生成模型，能够生成高质量的1080p分辨率视频，支持多种电影和视觉风格。它通过先进的自然语言和视觉语义理解，能够精确捕捉用户创意愿景，生成与提示语调一致且细节丰富的视频内容。Veo模型提供前所未有的创意控制水平，理解电影术语如“延时摄影”或“航拍景观”，创造出连贯一致的画面，使人物、动物和物体在镜头中逼真地移动。
PaliGemma是Google发布的一款先进的视觉语言模型，它结合了图像编码器SigLIP和文本解码器Gemma-2B，能够理解图像和文本，并通过联合训练实现图像和文本的交互理解。该模型专为特定的下游任务设计，如图像描述、视觉问答、分割等，是研究和开发领域的重要工具。
lluminous是一个快速、轻量级的开源聊天界面，支持多供应商API密钥，提供完整的隐私保护，所有对话历史和密钥都存储在本地。它支持多模态输入、多轮对话提示、预填充响应、模型切换以及对话分享等功能。
CuMo是一种多模态大型语言模型（LLMs）的扩展架构，它通过在视觉编码器和MLP连接器中融入稀疏的Top-K门控专家混合（MoE）块，提高了模型的可扩展性，同时在推理时几乎不增加激活参数。CuMo在预训练MLP块后，初始化MoE块中的每个专家，并在视觉指令调整阶段使用辅助损失以确保专家的均衡负载。CuMo在各种VQA和视觉指令遵循基准测试中超越了其他同类模型，且完全基于开源数据集进行训练。
混元-DiT是腾讯推出的首个中英双语DiT架构的人工智能模型，专注于中文元素理解，具备长文本理解能力和细粒度语义理解。该模型能够分析和理解长篇文本中的信息，并生成相应的艺术作品，包括但不限于人物写真、创意创作等。混元-DiT的推出，对于提升中文文本理解的深度和广度，以及促进中英双语交流具有重要意义。
GPT-4o（'o'代表'omni'）是自然人机交互的重要一步，它可以接受任意组合的文本、音频、图像和视频输入，并生成任意组合的文本、音频和图像输出。它在音频输入响应上的速度极快，平均响应时间仅为320毫秒，与人类对话的响应时间相近。在非英语文本处理上取得了显著进步，同时在API上速度更快且成本降低了50%。GPT-4o在视觉和音频理解方面也比现有模型更出色。
AutoGroq是一个AI驱动的对话助手，旨在通过自动生成专家代理来彻底改变用户与AI工具的互动方式。它克服了现有解决方案的局限性，提供了一个用户友好、强大且无需配置的体验。该平台专注于通过自动生成专门针对任何问题的专家代理，无论问题的复杂性如何，提供即时和相关的帮助。
OpenGlass是一款可穿戴眼镜，它能够记录用户的生活，并提供有帮助的总结和建议。这款眼镜可以针对不同的使用场景进行定制，适合追求个性化体验和生活记录的用户。它结合了最新的硬件技术和软件开发，为用户带来全新的交互体验。
Refuel LLM-2 是一款为数据标注、清洗和丰富而设计的先进语言模型。它在约30种数据标注任务的基准测试中超越了所有现有的最先进语言模型，包括GPT-4-Turbo、Claude-3-Opus和Gemini-1.5-Pro。Refuel LLM-2 旨在提高数据团队的工作效率，减少在数据清洗、规范化、标注等前期工作上的手动劳动，从而更快地实现数据的商业价值。
Aloe是由HPAI开发的一款医疗领域的语言模型，基于Meta Llama 3 8B模型进行优化。它通过模型融合和先进的提示策略，达到了与其规模相匹配的最先进水平。Aloe在伦理和事实性指标上得分较高，这得益于红队和对齐工作的结合。该模型提供了医疗特定的风险评估，以促进这些系统的安全使用和部署。
FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频。FunClip集成了阿里巴巴开源的工业级模型Paraformer-Large，是当前识别效果最优的开源中文ASR模型之一，并且能够一体化的准确预测时间戳。
FilmAction 是一款一站式 AI 电影制作平台，通过 AI 技术革新创作流程，使艺术创作更简单。它提供脚本、分镜、视频和旁白的一键生成，支持模拟胶片风格，适用于奇幻片等不同类型的电影创作。FilmAction 还可以生成配乐和合成成片，方便创作者进行后期制作。它的优点是节省时间和精力，提供丰富的创作工具和资源，以及强大的 AI 技术支持。
Voicenotes 是一款智能语音笔记应用，它允许用户记录新想法、家庭时刻、会议要点、播客收获等任何内容。用户可以要求AI回顾过去的笔记或头脑风暴新想法，因为AI具有完美的记忆力。该应用支持创建摘要、待办事项列表、博客文章等，提供智能建议，并支持50多种语言。它即将在智能手表上推出，承诺对隐私、持久性和美观的承诺。
Yi-1.5是零一万物一款文本生成模型，它利用最新的人工智能技术，能够生成流畅、连贯且多样化的文本。该模型特别适合于需要大量文本创作的领域，如内容创作、新闻撰写、社交媒体管理等。它的优势在于能够快速生成高质量的文本，提高工作效率，同时降低人力成本。
Junia AI是一个强大的AI工具，帮助用户创建在搜索引擎上排名高的文章和数字内容。它结合了AI和SEO工具，提供性能功能和安全的AI营销。Junia AI的主要优点是帮助用户优化内容创作，从而提高搜索引擎排名，并提供有竞争力的AI营销功能。它的背景信息是在AI技术的支持下，Junia AI能够分析搜索引擎算法并为用户提供有效的SEO建议。Junia AI的定位是为个人用户和团队提供一种简单而有效的方式来创造具有竞争力的内容并获得更多的流量和曝光。
Ai Course Creator是一个使用AI技术简化在线课程创建过程的工具。它可以帮助您快速生成互动课程，并提供全面的课程大纲和课程内容。它的主要优点是节省时间和精力，使课程创建变得简单而高效。无论是初次创建课程还是多次创建，Ai Course Creator都能帮助您与学生建立真正的连接。
