多模态模型将更多地用于文档处理(但首先需要降低成本/延迟)。
GPT-4.5/5将发布,但AGI仍未实现@科技博主Matthew Berman
论文地址:https://arxiv.org/pdf/2312.08914.pdf
除了可以从文字生成音乐外,它还支持图像、视频和音频生成音乐,并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解,ViT进行图像理解,ViViT进行视频理解,并使用MusicGen/AudioLDM2模型作为音乐生成模型(音乐解码器)。用户可以轻松移除或替换特定乐器,调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。
新鲜AI产品点击了解:https://top.aibase.com/