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/