Google 发布了文本生成音乐的大模型 MusicLM 可以根据文字生成音乐，可以指定乐器、节奏、风格、播放场景。今年我们也许能看到几款 AI 原创音乐的播放软件了。

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

5032 位用户此时在线

关注推特

收听电报

24小时点击排行 Top 10：

Watta

俄羅斯女兵都衝鋒了

这个晃动效果很传神啊让我想起了一位“老英雄” 🤓🤓🤓

东北19万到650万房子分别长啥样

用雷军演讲的方式卖新疆蜜薯。网友震惊：“这要不卖到100一斤，我都不答应。”

Palestine in one Photo.

昂撒衰退到这个地步了吗

10月21日，一位江苏网友在观看纪录片《沉默的农药》后称“心情久久不能平静”。身为程序员的他自制了一款名为“归家”的App，面向台湾民众和台军，号称可用于“投诚登记”。视频显示，用户可在App中实名登记“回归祖国”的意愿，其中台北市登记人数达28,456人，为最多地区。

死鐘全會的五星紅旗為什麼沒有五星了？

10月18日，一名网约车司机在行车途中与乘客闲聊，不久后便接到滴滴救援中心来电，对方提醒他“抓好方向盘，不要与乘客闲聊”。

厕纸牛排的原始出处👇

匿名者64成功黑进了复旦，北邮等9所高校论坛！

中共是世界上唯一一個保護奴才和宮女文化傳承的超級大國。

10月21日，安徽省宿州市，宿州职业技术学院有学生反映，学校自来水疑似遭到污染，并上传了相关视频作为佐证。22日，校方总务处工作人员回应称，情况系因近期更换供水源，导致管道内的泥沙和锈渍被冲出所致。目前供水已恢复正常，水质不存在问题。

數千名愛爾蘭民眾湧上都柏林「城西酒店」外的街道。據稱，昨天一名伊斯蘭教移民，在這家酒店強姦了一名 10 歲的愛爾蘭女孩。愛爾蘭人確實受夠了。

我像个不知所措的避孕套

律师支招，男性如何防范一夜情后被告强奸。

网友投稿：10月19日，广东深圳，网约车司机搭载一未成年女孩，疑似未将该女孩送到目的地就强行要她下车，引发纠纷。视频中女孩哭声凄惨称没将自己送到地方，司机则气焰嚣张的说导航导的就是这里，并强迫小女孩下车。

10月21日，知名网红夫妇“亮亮丽君”最新进展：他们起诉开发商退房退款的烂尾楼纠纷，一审宣判败诉，法院驳回其全部诉求。亮亮表示：“一审输了，还有二审，我们不会放弃，将上诉到底。”

匿名投稿：九三大阅兵后，全国各地幼儿园正广泛要求对幼儿进行统一抽血体检 #将来要接班啊

现在的游戏平台已经把家长逼疯了，家长拿平台没办法，拿自己的娃没办法，只有狂扇自己耳光…

被習近平脫掉貧困外衣的山東人，本來幫助他們的錢，被拿去山東建立了一個非洲，那裏叫作山東大學。

3个月的鸡大家不敢吃，3个月的汽车那是真香啊!

buer 你谁？？？

克里姆林宫说：在普京的领导下，进行了一次预定的战略核力量演习。

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

Google 发布了文本生成音乐的大模型 MusicLM
可以根据文字生成音乐，可以指定乐器、节奏、风格、播放场景。
今年我们也许能看到几款 AI 原创音乐的播放软件了。

图片
( google-research.github.io )

2年前由 orange.ai 提交

点击图片查看原图

1周内 1个月内 1年内全部时间

Meta 今天公布了开源 AI 音频生成工具 AudioCraft

工具包含 3 个模型：

- MusicGen 文本生成音乐
- AudioGen 文本生成音频
- EnCodec 损失更少的音频压缩

我测试了 MusicGen
，让它生成一段 Daft Punk风格的电子乐，效果如下，呃…

#设计AI
IT技术
( twitter.com)

2年前 • 倪爽 • -- 点击 • 下载视频 0 评论

00:00:15

Google提出AudioPaLM：一个可以说话和听的大型语言模型。

论文页面：

我们介绍了AudioPaLM，这是一个用于语音理解和生成的大型语言模型。AudioPaLM将基于文…
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

Google终于发布了传言中的强大多模态LLM Gemini，他们说这是迄今为止最强大的AI模型。从描述来看确实非常强大。
Google CEO的介绍视频也翻译好了，下面模型是具体的介绍：
◆Gemini 是多模态的，意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。…
IT技术
( twitter.com)

1年前 • 歸藏 • -- 点击 • 下载视频 0 评论

00:04:34

#AI开源项目推荐#：AudioGPT
这是一个借助大语言模型（LLM）处理音频的工具，可以：
- 生成音乐 🎶
- 背景音效 🎵
- 音频生成字幕 🎤
- 文字生成音频 🗣️
- 文字生成音频并模拟声音 📢
- 根据图片生成音频…
推特中文圈
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

Google 发布Gemini 2.0 Flash Thinking 新模型EXP-01-21
•支持 100万 token 上下文窗口。
•增加对原生代码执行的支持。
•输出 token 的生成更长。
•减少模型矛盾的发生频率
•在 AI Studio 中可免费体验
时政
( twitter.com)

9个月前 • 小互 • -- 点击 0 评论

微软发布 Azure AI 高清语音模型
能理解文本背后的情感并实时调整语音语调和情感表达
模型可以准确解析输入文本、自然地模拟对话，包含常见的停顿、语气词和轻微的情感变化，使生成的语音听起来像是和人对话，而不是生硬的朗读文本。
时政
( twitter.com)

1年前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:56

转译自原推：谷歌2025 I/O大会发布了一大波AI新模型、工具和订阅服务，以下是最值得关注的更新及上线时间汇总
生成式媒体（Generative Media）
- 视频生成模型 Veo 3 - 谷歌史上最强的视频生成模型，能自动生成带音效甚至人物对话的视频。 - 美国地区的 Google AI Ultra 订阅用户现已可通过
IT技术
( twitter.com)

5个月前 • 宝玉 • -- 点击 0 评论

【乔布斯全新采访曝光，然而…】这个AI播客背后的公司名为Play.ht。他们主营业务为 AI 文本转换语音生成器，今年9月，发布了第一个语音模型Peregrine，据称，其模型原理与大型语言模型(如 DALE 和 GPT-2 )相近，采用自监督方式训练AI能模仿特定某人的语气和情绪。
大陆资讯
( www.qbitai.com)

3年前 • 猪八戒 • -- 点击 0 评论

闪电预览

Meta发布开源AI工具AudioCraft，可用文本内容生成高质量、逼真的音频和音乐
大陆资讯
( 36kr.com)

2年前 • 七仙女坐台 • -- 点击 0 评论

重磅新闻！Google的新一代生成式AI平台现已向所有人开放。

开发者现在可以访问由PaLM 2驱动的文本模型，使用Model Garden中的文本嵌入API和其他基础模型，以及利用生成式AI工作室中的用户友好工具进行模型调优和…
IT技术
( twitter.com)

2年前 • GPTDAOCN • -- 点击 0 评论

字节跳动刚刚发布了他们的文本 Diffusion 模型！—— Seed Diffusion Preview！
给不太了解文本 Diffusion 模型的同学，大家都知道现在 transformer 大模型是一个字一个字蹦出来的，而文本Diffusion 模型则是跟图像Diffusion 模型差不多，是一个去噪过程，整段话随机出现文本最后组成所有输出。
时政
( twitter.com)

2个月前 • karminski-牙医 • -- 点击 • 下载视频 0 评论

00:00:33

Google Veo 3 生成的音乐视频

IT技术
( twitter.com)

5个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:00:24

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期7——用Transformer生成文本

#大型语言模型与生成式AI… …
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

Google发表了一篇论文，介绍了一种新型的模型窃取攻击方法，并表示他们已经成功攻破ChatGPT……成本低至150元，调用API即可得手
大陆资讯
( mp.weixin.qq.com)

1年前 • 红狮子会 • -- 点击 0 评论

闪电预览

体验了下Google的“文本->音乐”生成工具。

地址：

需Waitlist，但当天提交，第二天就能通过，注意：可能不会发邮件，自己再次登录网站查看。

为方便写“音乐Promp…
IT技术
( twitter.com)

2年前 • 向阳乔木 • -- 点击 0 评论

李沐的语音LLM，在文本大模型基础上加入语音输入输出，开源训练方法与权重。需要10-12 GB VRAM
没有这种模型之前，AI直播、AI语音、AI客服等基本靠纯文本大模型加语音识别生成，响应容易慢。而且大段文本不一定适合念出来，念出来也不一定符合“情感”
时政
( twitter.com)

2个月前 • Gantrol • -- 点击 0 评论

西北工业大学等放出来一款10秒生成完整歌曲的端到端生成模型：DiffRhythm
给一个参考风格和歌词，即可生成最长4分多钟的完整歌曲
可以同时生成人声和伴奏，支持中英文歌曲生成
支持多种生成模式，使用音频作为参考、使用文本描述风格，以及生成纯音乐
#歌曲生成模型 #DiffRhythm #AI歌曲
时政
( twitter.com)

7个月前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:00:52

🐶 Bark
开源的文字生成音频模型。
- 非常真实自然的语音
- 英文效果最佳，其他语言还欠佳
- 支持通过文本生成歌曲
- 支持生成背景噪音、简单的音效
- 支持大笑、叹息、哭泣
- 开源模型，自己可以下载玩，也可以去官方排队…
推特中文圈
( twitter.com)

2年前 • orange.ai • -- 点击 0 评论

OpenAI抢在Google I/O开发者大会前举办线上直播，宣布将推出桌面版ChatGPT，并发布全新旗舰AI模型GPT-4o。
GPT-4o向所有人免费开放，可实时跨文本、音频、视觉推理，API定价相对GPT-4
时政
( twitter.com)

1年前 • 外汇交易员 • -- 点击 0 评论

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。这个模型的效率要比原有的satble diffusion效率要高很多。
我尝试了一下，看起…
推特中文圈
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

OpenAI 刚刚发布了 GPT-4

GPT-4 是大型多模态模型（large multimodal model），支持图像和文本的输入，并生成文本结果。

这个 thread 会汇总一下有关 GPT-4 的一些信息（包括论文中的一些要点和实际的体验）。

🧵
推特中文圈
( twitter.com)

2年前 • Jiayuan • -- 点击 0 评论

【我花了八个月和一万块，用 AI 做了毫无灵魂的音乐】我不打算用现成系统去生成音乐，我想借助更基础的论文和工具，从理解机器是如何“听懂”音乐开始，到把音乐解构成最小单位的数字、选定最合适的模型，再到训练 AI 生成像模像样的音乐，都自己摸索。这样才够“程序员”。
大陆资讯
( mp.weixin.qq.com)

3年前 • 微信公众号 • -- 点击 0 评论

闪电预览

Google 推出 Gemini 2.5 Computer Use 模型
今年早些时候，Google 就宣布了将通过 Gemini API 为开发者带来直接操控电脑界面的 AI 能力。今天，Google 正式推出了 Gemini 2.5 Computer Use模型（Gemini 2.5 Computer Use model）。
这个专门的模型基于 Gemini 2.5 Pro
IT技术
( twitter.com)

14天前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:00:34

OpenAI 发布 gpt-4o-audio-preview 模型
主要功能包括：
- 根据文本生成语音响应。
- 分析音频输入的情感、语调和音调。
- 支持语音到语音的互动，音频既可以作为输入也可以作为输出。
与Realtime API的区别：
时政
( twitter.com)

1年前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:10

Google 发布了文本生成音乐的大模型 MusicLM 可以根据文字生成音乐，可以指定乐器、节奏、风格、播放场景。 今年我们也许能看到几款 AI 原创音乐的播放软件了。 图片 ( google-research.github.io )

图片

IT技术

Google提出AudioPaLM：一个可以说话和听的大型语言模型。 论文页面： 我们介绍了AudioPaLM，这是一个用于语音理解和生成的大型语言模型。AudioPaLM将基于文… IT技术 ( twitter.com)

IT技术

IT技术

推特中文圈

Google 发布Gemini 2.0 Flash Thinking 新模型EXP-01-21 •支持 100万 token 上下文窗口。 •增加对 原生代码执行 的支持。 •输出 token 的生成更长。 •减少模型矛盾的发生频率 •在 AI Studio 中可免费体验 时政 ( twitter.com)

时政

时政

IT技术

大陆资讯

Meta发布开源AI工具AudioCraft，可用文本内容生成高质量、逼真的音频和音乐 大陆资讯 ( 36kr.com)

大陆资讯

IT技术

时政

Google Veo 3 生成的音乐视频 IT技术 ( twitter.com)

IT技术

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期7——用Transformer生成文本 #大型语言模型与生成式AI… … IT技术 ( twitter.com)

IT技术

Google发表了一篇论文，介绍了一种新型的模型窃取攻击方法，并表示他们已经成功攻破ChatGPT……成本低至150元，调用API即可得手 大陆资讯 ( mp.weixin.qq.com)

大陆资讯

体验了下Google的“文本->音乐”生成工具。 地址： 需Waitlist，但当天提交，第二天就能通过，注意：可能不会发邮件，自己再次登录网站查看。 为方便写“音乐Promp… IT技术 ( twitter.com)

IT技术

时政

时政

推特中文圈

OpenAI抢在Google I/O开发者大会前举办线上直播，宣布将推出桌面版ChatGPT，并发布全新旗舰AI模型GPT-4o。 GPT-4o向所有人免费开放，可实时跨文本、音频、视觉推理，API定价相对GPT-4 时政 ( twitter.com)

时政

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。 这个模型的效率要比原有的satble diffusion效率要高很多。 我尝试了一下，看起… 推特中文圈 ( twitter.com)

推特中文圈

OpenAI 刚刚发布了 GPT-4 GPT-4 是大型多模态模型（large multimodal model），支持图像和文本的输入，并生成文本结果。 这个 thread 会汇总一下有关 GPT-4 的一些信息（包括论文中的一些要点和实际的体验）。 🧵 推特中文圈 ( twitter.com)

推特中文圈

大陆资讯

IT技术

OpenAI 发布 gpt-4o-audio-preview 模型 主要功能包括： - 根据文本生成语音响应。 - 分析音频输入的情感、语调和音调。 - 支持语音到语音的互动，音频既可以作为输入也可以作为输出。 与Realtime API的区别： 时政 ( twitter.com)

时政

创建一个新帐户

登录

Google 发布了文本生成音乐的大模型 MusicLM
可以根据文字生成音乐，可以指定乐器、节奏、风格、播放场景。
今年我们也许能看到几款 AI 原创音乐的播放软件了。

图片
( google-research.github.io )

Google提出AudioPaLM：一个可以说话和听的大型语言模型。

论文页面：

我们介绍了AudioPaLM，这是一个用于语音理解和生成的大型语言模型。AudioPaLM将基于文…
IT技术
( twitter.com)

Google 发布Gemini 2.0 Flash Thinking 新模型EXP-01-21
•支持 100万 token 上下文窗口。
•增加对原生代码执行的支持。
•输出 token 的生成更长。
•减少模型矛盾的发生频率
•在 AI Studio 中可免费体验
时政
( twitter.com)

Meta发布开源AI工具AudioCraft，可用文本内容生成高质量、逼真的音频和音乐
大陆资讯
( 36kr.com)

Google Veo 3 生成的音乐视频

IT技术
( twitter.com)

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期7——用Transformer生成文本

#大型语言模型与生成式AI… …
IT技术
( twitter.com)

Google发表了一篇论文，介绍了一种新型的模型窃取攻击方法，并表示他们已经成功攻破ChatGPT……成本低至150元，调用API即可得手
大陆资讯
( mp.weixin.qq.com)

体验了下Google的“文本->音乐”生成工具。

地址：

需Waitlist，但当天提交，第二天就能通过，注意：可能不会发邮件，自己再次登录网站查看。

为方便写“音乐Promp…
IT技术
( twitter.com)

OpenAI抢在Google I/O开发者大会前举办线上直播，宣布将推出桌面版ChatGPT，并发布全新旗舰AI模型GPT-4o。
GPT-4o向所有人免费开放，可实时跨文本、音频、视觉推理，API定价相对GPT-4
时政
( twitter.com)

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。这个模型的效率要比原有的satble diffusion效率要高很多。
我尝试了一下，看起…
推特中文圈
( twitter.com)

OpenAI 发布 gpt-4o-audio-preview 模型
主要功能包括：
- 根据文本生成语音响应。
- 分析音频输入的情感、语调和音调。
- 支持语音到语音的互动，音频既可以作为输入也可以作为输出。
与Realtime API的区别：
时政
( twitter.com)