エヌビディアが、音声生成と変換を行う画期的なAIモデル「Fugatto」を発表した。この技術は音楽、映画、ゲーム業界に革命をもたらす可能性を秘めているが、現時点での一般公開の予定はないという。

この技術は、音楽やサウンドエフェクトの生成、そしてオーディオの変換を可能にするように設計されている。ピアノの演奏を人間の歌声に変えたり、トランペットの音を犬の吠え声に似せたりするなど、これまでにない新しいサウンドを生成する能力を持っているという。

このモデルは2.5億パラメータを持ち、NvidiaのH100 Tensor Core GPUを32基搭載したDGXシステムでトレーニングされた。膨大なデータセットを用いた学習により、多言語対応や多様なアクセントへの適応力も備えている。また、「ComposableART」と呼ばれる技術を活用し、個別に学習した指示を組み合わせて新しい表現を生み出すことができる点も特徴的だ。