财联社 11 月 26 日讯（编辑 黄君芝）据报道，英伟达（Nvidia）开发了一种新型人工智能（AI）模型，可以创造声音效果，改变人的发音方式，并使用自然语言提示生成音乐。

这个模型被命名为 Fugatto，即 Foundational Generative Audio Transformer Opus 1，是一个研究项目。英伟达表示，它不会宣布任何发布这项技术的计划，但它可能会对从音乐、娱乐到翻译服务等行业产生广泛的影响。

英伟达应用深度学习研究副总裁 Bryan Catanzaro 在接受采访时表示："Fugatto 最令人兴奋的地方在于，它拥有一个模型，你可以要求它以某种方式发出声音，这真的打开了你对它应用范围的想象。"

他进一步解释说，市场上的其他模型，有些可以合成语音，有些可以为音乐添加音效，但 Fugatto 全部都可以做到。Catanzaro 说，可以将其视为视频和图像生成模型（如 Stability AI 的 Stable Video Diffusion 或 OpenAI 的 Sora）的一种补充。

" 这里最基本的改进是……我们能够使用语言合成音频，我认为，这为人们可以用来创造惊人音频的工具开辟了新的前景。" 他补充说。

根据英伟达的说法，Fugatto 是第一个具有新兴特性的基础模型，这意味着它能够混合经过训练的元素，并遵循 " 自由形式的指令 "。

具体而言，该模型可以通过标准的文字提示生成音频，也可以处理您上传的音频文件。所以，如果你有一个人说话的文件，你可以把那个人的话翻译成另一种语言，同时让它听起来像他的声音。你也可以选择一个简单的曲调，让它听起来像管弦乐表演，或者在音乐中添加不同的节拍。

此外，你也可以上传一个文档，让模型用你喜欢的任何声音朗读。更重要的是，你可以告诉模型发出带有情感分量的声音。

不过，Catanzaro 也补充说，这种模型并不总是完美的。而且，就像生成图像和视频的模型一样，Fugatto 也会催生艺术家、音响工程师和相关领域人员的担忧。但 Catanzaro 指出，他的本意是希望这项技术能帮助音乐家。

" 我希望这是艺术家探索的新工具。"" 我认为音频一直是一个富有成效的探索领域。你知道，当我们获得新的音频工具时，有时我们会获得新的音乐形式。" 他说。