站长之家（ChinaZ.com）10月10日 消息:最近，谷歌研究人员开发了一项人工智能系统AudioLM，只需输入几秒钟的音频即可生成听起来相似风格的音频，包括钢琴音乐，生成的声音听起来与原始音频的音色几乎没有区别。
AudioLM 是一个纯音频模型，在没有任何文本或音乐符号表示的情况下进行训练。该技术类似于语言模型，主要根据提示语音内容，自行预测并生成更多关联的内容。不过，AudioLM尚未向公众开放，
谷歌称，它可以加快音频生成的人工智能训练过程，并最终自动生成音乐为视频配音。与当前依赖基于文本的数据的系统不同，AudioLM 不需要事先标记或转录。它可以模仿音频的音高、音色、强度和清晰度，以及背景噪音和说话者的呼吸节奏。
据官网介绍，AudioLM将输入音频映射到一系列离散标记，并将音频生成转换为该表示空间中的语言建模任务。通过对原始音频波形的大型语料库进行训练，AudioLM学会了在给出简短提示的情况下生成自然和连贯的语音内容。在对语音进行训练时，在没有任何抄本或注释的情况下，AudioLM生成语音不仅语法正确和语义连贯，同时还保持说话者身份特征、口音和韵律。
此外，AudioLM 在没有任何符号表示的情况下接受过钢琴音乐的训练，它也可以学习生成连贯的钢琴音乐。AudioLM 网站展示了基于一小段钢琴音乐，系统自动生成更长的连贯同一种风格的的钢琴音乐。
谷歌在其AudioLM 网站上分享了示例，感兴趣的可访问链接了解，网址：https://google-research.github.io/seanet/audiolm/examples/。
（举报）
