At lade AI-modeller træne på eksisterende musik og derefter skrive helt nye sange er ikke noget nyt. Eller at kopiere og efterligne kunstneres musik, hvis man kan lytte til komponisterne. Men Nvidias AI Fugatto skaber i stedet lyde, som aldrig har eksisteret før.
Selv om det ikke er offentligt tilgængeligt endnu, har de udgivet en hjemmeside fuld af eksempler. Hvad med f.eks. at høre lyden af saxofoner, der bjæffer som hunde, mennesker, der rent faktisk taler under vand, eller ambulancesirener, der synger i kor?
Fugatto er blevet skabt for at forsøge at skabe “et meningsfuldt forhold mellem sprog og lyd”. At tale med en chatbot er én ting, men hvordan beskriver man egentlig lyde med ord?
Forskerne brugte en stor sprogmodel til at skabe Python-scripts, der beskriver forskellige lydkilders natur, såsom “en ung arbejdende mand” eller “generere en glad stemme”. Og så har man mulighed for at påvirke resultatet ved at “gøre stemmen gladere”.
Ved at skabe en stor database med nøjagtigt beskrevne lyde kan de nu lade Fugatto bruge den til at opfinde helt nye, fiktive lyde. Måske er dette vejen frem for AI til at skabe noget helt nyt i stedet for at efterligne noget eksisterende.
Læs mere på Nvidias blog.