Nvidiaએ Fugatto નામનું નવું મોડેલ રજૂ કર્યું છે, જે Foundational Generative Audio Transformer Opus 1 માટેનું સંક્ષિપ્ત નામ છે. Fugatto ટેક્સ્ટ અને ઓડિયો ઇનપુટથી સંગીત, અવાજ અને ધ્વનિઓનું મિશ્રણ બનાવી શકે છે. ઉદાહરણ તરીકે, આ મોડેલ એક ટેક્સ્ટ વર્ણન પરથી સંગીત અને અવાજો બનાવવા માટે સક્ષમ છે, જેમાં નવાં અવાજો પણ શામેલ છે, જેમ કે એક ટ્રમ્પેટને કૂતરાની જેમ ભાંસવું.

Nvidiaનું આ મોડેલ અત્યારે જાહેરમાં બહાર પાડવાનો કોઈ તાત્કાલિક યોજના નથી, પરંતુ તે અન્ય સ્ટાર્ટઅપ્સ અને મોટી કંપનીઓ જેમ કે Meta Platforms સાથેની ટેકનોલોજી સાથે જોડાઈ રહ્યું છે, જે ટેક્સ્ટ પ્રોમ્પ્ટ પરથી ઓડિયો અથવા વિડિયો જનરેટ કરી શકે છે. Bryan Catanzaro, Nvidiaના ઉપાધ્યક્ષ, કહે છે કે "જ્યારે આપણે છેલ્લા 50 વર્ષમાં સંશ્લેષણાત્મક ઓડિયોની વાત કરીએ છીએ, ત્યારે સંગીત હવે કમ્પ્યુટરો અને સિન્થેસાઇઝર્સના કારણે અલગ લાગે છે. હું માનું છું કે જનરેટિવ AI સંગીત, વિડિયો ગેમ્સ અને સામાન્ય લોકોને નવી ક્ષમતા લાવશે."

Nvidiaનું Fugatto મોડેલ અન્ય AI ટેકનોલોજીથી અલગ છે કારણ કે તે અસ્તિત્વમાં રહેલા ઓડિયોને મોડી કરી શકે છે. ઉદાહરણ તરીકે, આ મોડેલ પિયાનો પર વગાડેલ એક લાઇનને માનવીય અવાજમાં રૂપાંતરિત કરી શકે છે અથવા બોલવામાં આવેલા શબ્દોની રેકોર્ડિંગને બદલાવી શકે છે.

આ ટેકનોલોજી ફિલ્મ ઉદ્યોગમાં મહત્વપૂર્ણ બની રહી છે, ખાસ કરીને જ્યારે OpenAI અને Hollywood સ્ટુડિયોમાં AIના ઉપયોગ વિશે ચર્ચા કરી રહી છે. આ સંબંધમાં તણાવ વધ્યો છે, જેમ કે હોલીવૂડ સ્ટાર સ્કારલેટ જોહાન્સનએ OpenAI પર તેમના અવાજની નકલ કરવાના આરોપો લગાવ્યા છે.

Nvidiaના Catanzaro કહે છે કે "કોઈપણ જનરેટિવ ટેકનોલોજી સાથે કેટલીક જોખમો જોડાયેલી હોય છે, કારણ કે લોકો તેનો ઉપયોગ એવી વસ્તુઓ બનાવવા માટે કરી શકે છે જે આપણે ઇચ્છતા નથી. તેથી, અમારે આ બાબતે ધ્યાન રાખવું પડશે."