audio

【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！

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！

投影行业首个支持HDR Vivid和Audio Vivid双认证品牌，大眼橙实力领跑

9月2日，大眼橙全新首发大眼橙X30Ultra和X7DUltra两款旗舰新品，引发行业内外极大关注，尤其是一些极具差异化的创新点收获众多用户的好评。在8月30日，两款投影仪均获得由世界超高清视频产业联盟颁发的“HDRVivid”和“AudioVivid”双认证证书，成为业界唯二款支持“双Vivid认证”的投影产品。我们将持续以科技创新赋能产品，打造更优品质、更好体验、更有性价比的好产品，为全球消费者提供更为震撼的家庭影音娱乐享受，引领智能投影行业发展。

2024 MEZE AUDIO新品发布会圆满结束！

2024年8月20日，「伯韵聆动，熠熠双奏/DuetSymphonyofMEZE」2024MEZEAUDIO线上新品发布会圆满结束，发布会全程在微信视频号和哔哩哔哩直播进行。广州帝捷电子科技有限公司的总经理王朝阳先生、销售经理邓静女士作为特邀代表出席了本次发布会，MEZEAUDIO的创始人AntonioMeze先生和多名音频业内嘉宾也以视频的形式参与其中。MEZEAUDIO的两款新品LIRIC二代和ALBA必将在音频市场掀起新的潮流，为广大消费者带来无与伦比的音乐享受。

索尼推出“Gaming Virtualizer by 360 Reality Audio”插件软件 帮助游戏开发者轻松制作可耳机播放的游戏空间音频

“GamingVirtualizerby360RealityAudio”—携手众游戏开发者，将其应用于手游和PC游戏中—索尼公司宣布推出“GamingVirtualizerby360RealityAudio”，这是一款专为游戏开发者设计的插件软件，使用该软件能够便捷地制作出通过耳机播放的沉浸式游戏空间音频。此插件可集成于跨平台音频中间件Wwise®，该音频中间件Wwise®已被全球游戏开发者广泛采用于不同平台的游戏开发。其他产品名称、服务名称、公司名称或标志分别为各自所有者及/或授权方的商标和版权所有。

荐 AI日报：性能超GPT-4o！Meta4050亿参数开源模型Llama3.1遭泄漏；Stability AI开源音频生成模型Stable Audio Open

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、震惊AI界！14、微软研究院推AI框架E5-V:用文本对的单模态训练简化多模态学习降低成本微软研究院与北京航空航天大学联合推出的E5-V框架通过单模态训练简化多模态学习，降低成本，在多个任务中展现出优异性能，代表了多模态学习的重大进步。

荐 AI日报：阿里云发布音频模型Qwen2-Audio；字节将推类sora模型；AI眼里13.11＞13.8

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、阿里云发布Qwen2-Audio：革新的音频多模态模型阿里云最新发布的Qwen2-Audio大规模音频语言型模型，革新了语音交互体验，用户无需输入文字即可与其进行语音交互，提供更便捷的�

Fish Audio功能介绍及免费使用指南 文本转语音体验地址入口

FishAudio简介FishAudio是一种文本转语音技术，用于将文本信息转换为语音的技术，广泛应用于辅助阅读、语音助手、有声读物制作等领域。它通过模拟人类语音，提高了信息获取的便捷性，尤其对视力障碍者或在无法使用眼睛阅读的情况下非常有帮助。通过AIbase，您可以轻松发现最适合您需求的人工智能工具，解锁AI的力量。

Stable Audio Open功能介绍及免费使用指南 开源文生音频模型体验地址入口

StableAudioOpen简介StableAudioOpen是一个开源的文本到音频模型，专为生成短音频样本、音效和制作元素优化。它为声音设计师、音乐家和创意社区等用户提供了一个强大的工具，可以通过简单的文本提示快速生成高达47秒的高质量音频数据，加速音乐制作和声音设计的过程。通过AIbase，您可以轻松发现最适合您需求的人工智能工具，解锁AI的力量。

​Stability AI发布AI音频模型Stable Audio Open：支持文本生成鼓点、乐器等音效

StabilityAI今天发布了StableAudioOpen1.0，这是其音频领域的新一款生成AI模型。StabilityAI以稳定扩散文本到图像生成AI技术闻名，但这只是该公司产品组合的一部分。我们期待进一步发布商业和开放模型，以反映我们研究的进展。

Stable Audio Open有哪些功能免费吗？文本生成音频怎么使用方法详细教程指南

StableAudioOpen是什么？StableAudioOpen是一个开源的文本到音频模型，专为生成短音频样本、音效和制作元素优化。AIGC网站，AI工具尽在AIbase！

荐 开源音频模型Stable Audio Open，文本生成47秒高清音效

6月6日，著名开源大模型平台Stability.ai在官网宣布，开源最新文生音频模型StableAudioOpen。用户通过文本就能生成最多47秒，钢琴、笛子、鼓点、模拟人声等不同类型的44.1kHz音效。StableAudioOpen目前只能用于学术研究无法商业化。

ElevenLabs推Audio Native 可将网页内容自动转为博客

ElevenLabs推出了一项名为AudioNative的新服务，它是一个嵌入式音频播放器，能够自动将博客、新闻网站和其他网页内容转换成高质量的语音旁白，从将这些内容自动变为播客形式。主要功能:自动生成语音旁白:利用ElevenLabs的文本转语音服务，自动生成网页内容的高质量人声旁白。复制并粘贴嵌入代码到网站上。

Udio推出Audio Inpainting功能 可无缝编辑优化音轨

Stability AI发布音频模型 Stable Audio2.0:支持生成多种类型音乐 时长达3分钟

著名开源大模型平台Stability.ai在官网正式发布了音频模型StableAudio2.0。这一版本支持用户通过文本或音频生成多种类型的高质量音乐，时长可达3分钟44.1kHz。随着Stability.ai不断推出新功能和技术，用户可以期待更多高质量、多样化的音乐生成体验。

荐 文本生成3分钟44.1 kHz 音乐，Stable Audio 2.0重磅发布！

4月4日，著名开源大模型平台Stability.ai在官网正式发布了，音频模型StableAudio2.0。StableAudio2.0支持用户通过文本或音频，一次性可生成3分钟44.1kHz的摇滚、爵士、电子、嘻哈、重金属、民谣、流行、乡村等20多种类型的高质量音乐。StableAudio2.0免费赠送20积分，生成的音乐可以商业化，这对于抖音、快手、B站的视频自媒体用户来说挺有帮助的。

Meta开发AudioSeal技术，可以秘密为 Deepfake 音频添加水印

Meta的研究人员在对抗合成语音的挑战中取得了一项重大突破。他们提出了一种名为AudioSeal的技术，该技术能够在人工智能生成的语音中嵌入隐形水印，用于主动检测AI生成的言论，同时还能够识别生成它的具体模型。随着威胁形势的变化，更好的解决方案仍需要不断发展，以识别操纵风险并在人工智能能力不断增强的背景下建立对语音界面的信任。

荐 顺着网线爬过来成真了，Audio2Photoreal通过对话就能生成逼真表情与动作

当你和朋友隔着冷冰冰的手机屏幕聊天时，你得猜猜对方的语气。当Ta发语音时，你的脑海中还能浮现出Ta的表情甚至动作。在逼真程度方面，评估人员还是更认可真实情况不是Audio2Photoreal。

audio2photoreal官网体验入口 AI音频生成图像工具app免费下载地址

audio2photoreal是一个开源项目，专注于从音频生成照片级逼真的avatar。它包含一个基于pytorch的实现，可以从音频中合成交谈中的人类形象。要获取更多详细信息并开始您的AI头像生成之旅，请访问audio2photoreal官方网站。

Meta AI发布炸裂项目audio2photoreal 可将音频生成全身逼真的虚拟人物形象

MetaAI最近发布了一项引人注目的技术，他们成功地开发出一种能够从音频中生成逼真的虚拟人物形象的系统。这个系统能够根据多人对话中的语音生成与对话相对应的逼真面部表情、完整身体和手势动作。我们可以期待在不久的将来，这种技术将成为我们生活中不可或缺的一部分。

Meta发布AI音频模型Audiobox：通过语音和自然语言提示生成音频

Meta最新发布了Audiobox，这是一款基于语音和自然语言提示生成音频的先进研究模型。通过结合语音输入和文本提示，Audiobox可以轻松生成各种声音，包括语音、音效和音景，从为多种用例提供定制音频。这对于视频、播客、游戏等多种用例都具有潜在的影响，为未来的音频创作开辟了新的可能性。

Meta AI实验室推三项新AI项目庆祝成立十周年：Ego-Exo4D、Audiobox等

为庆祝Meta基础人工智能研究团队成立十周年，公司隆重推出三个创新的人工智能项目，展示了引人注目的演示。Ego-Exo4D:官方项目介绍网址:https://ai.meta.com/blog/ego-exo4d-video-learning-perception/该项目以数据集及基准测试的形式呈现，旨在支持视频学习和多模态感知的人工智能研究。这三个项目的推出标志着MetaFAIR团队十年来在人工智能领域取得的巨大成就，并为未来的技术发展和创�

阿里云开源通义千问Qwen-72B、Qwen-1.8B、音频大模型Qwen-Audio

阿里云开源通义千问720亿参数模型Qwen-72B、18亿参数模型Qwen-1.8B及音频大模型Qwen-Audio。阿里云本次开源的模型中除预训练模型外同步推出了对应的对话模型，面向72B、1.8B对话模型提供了4bit/8bit量化版模型，便于开发者们推理训练。Qwen-Audio模型是一个针对音频的大模型，可以将语音转换成文本。

阿里巴巴推大规模音频语言模型Qwen-Audio

阿里巴巴研究团队最近推出的Qwen-Audio系列为大规模音频语言模型领域带来了重大突破。该系列通过采用层次标签的多任务框架，成功解决了有限的预训练音频模型面临的多样化任务的挑战。Qwen-Audio-Chat将进一步优化以符合人类意图，支持多语言互动，并实现动态多轮对话。

AudioSep：可以从音频剪辑中仅分离出特定的声音

AudioSep是一种AI模型，可以使用自然语言查询进行声音分离。这一创新性的模型由Audio-AGI开发，使用户能够通过简单的语言描述来分离各种声音源。AudioSep具有强大的分离性能和出色的零射击泛化能力，AudioSep为音频事件分离、乐器分离和语音增强等任务提供了广泛的应用。

荐 比短剧更取巧，Audio Series千万月流水的生意经

在美国GooglePlay畅销总榜Top100中，有一家颇为神奇的印度厂商，PocketFM。9月21日，PocketFM位列美国GooglePlay畅销总榜Top672|图源:点点数据之所以说它”神奇”，一是因为这样的榜单成绩在印度厂商中基本上是仅此一位，此外，它涉足的还是网文IP衍生链上的广播剧赛道，在中美韩占据主要视野的网文圈，印度厂商的冒头基本不常见。种种迹象显示PocketFM仍在一路狂奔网文相关音频赛�

Stability AI发布AI音乐生成工具“Stable Audio” 可生成长达90S音乐

伦敦初创公司StabilityAI发布了一款名为StableAudio的AI音乐生成工具，标志着音乐创作领域再次迎来了创新。StableAudio采用了一种称为潜在扩散的技术，据称可以生成高质量、商业可用的音乐。StabilityAI表示，他们正在积极采取措施来确保内容的真实性，包括在图像模型中实施水印技术，以便用户和平台可以识别通过其托管服务生成的AI辅助内容。

荐 AI视野：阿里妈妈上线AI直播；多家AI绘画网站集中关闭；Stability AI发布AI音乐生成工具Stable Audio

伦敦初创公司StabilityAI发布StableAudio，使用AI从文本生成自定义音乐和音效。该系统使用基于扩散的模型，可以在几秒内生成长达90秒的专业音频。为减少幻觉，可从多个方面进行干预，但仍存在可靠评估等挑战。

Stability AI发布AI音乐生成工具Stable Audio

总部位于伦敦的初创公司StabilityAI于周三推出了一款名为StableAudio的新产品，该产品利用人工智能生成定制音乐曲目和音效。StableAudio使用一种基于扩散的AI模型，可以在几秒钟内从简单的文本输入生成定制音频文件。人工智能作品的令人印象深刻的质量让你刮目相看。

荐 文本直接生成20多种背景音乐，免费版Stable Audio来了！

9月14日，著名开源平台StabilityAI在官网发布了，音频生成式AI产品StableAudio。用户通过文本提示就能直接生成摇滚、爵士、电子、嘻哈、重金属、民谣、流行、朋克、乡村等20多种类型背景音乐。你输入的文本提示越多，那么生成的效果就约好。

智能语音笔记工具AudioNotes 可将语音和无结构文本转化为文本摘要

AudioNotes是一款基于AI的笔记应用，可以自动将您的语音笔记和无结构文本转换成结构化的文本摘要。目前该产品已在ProductHunt上线。体验地址:https://www.audionotes.app/这意味着，无论你是在开会是在进行其他活动时，都可以将你的语音或文本随笔快速整理成清晰、简洁的文本摘要，大大提高了信息处理的效率。

开源声音与音乐生成模型AudioLDM2 只需提供文本即可生成高质量音频

一款优秀的开源声音与音乐生成模型AudioLDM2在GitHub上引起了关注。这个模型的运行速度很快，可以生成节奏、音效和基本对话。这个模型的应用领域还可能进一步扩展，为我们的生活带来更多惊喜。