--- title: "Fugatto – 英伟达推出的多功能AI音频生成模型" url: "https://paooo.com/aigc-news/25328/" author: "Prompt 语宙研究院" published_at: "2026-07-13T08:18:29+08:00" updated_at: "2026-07-13T08:18:29+08:00" categories: "AIGC 资讯" tags: "AI视频生成, AI音频与语音, Claude, 开源大模型" source: "Prompt 语宙 (https://paooo.com)" ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)" --- # Fugatto – 英伟达推出的多功能AI音频生成模型 > 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/25328/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-13 ## AI 30 秒核心看点 (TL;DR) - 基于增强型Transformer与自适应层归一化，Fugatto可把文本指令转成音频并编辑现有声音。 - ComposableART支持组合多条指令，能精细控制节奏、音色、口音与情绪，提升可控性。 - 它适用于音乐创作、电影游戏音效、广告配音与多语言语音生成，实用性很强。 ## Fugatto是什么 Fugatto是英伟达（NVIDIA）推出的音频合成和转换模型，全称为”Foundational Generative Audio Transformer Opus 1″。模型能根据文本提示生成音频或视频，接收并修改现有的音频文件。Fugatto模型具有强大的能力，例如将钢琴旋律转换成人声演唱版本，或者改变口语录音中的口音和情绪表达。在音频编辑和制作领域具有极高的应用价值。Fugatto模型的架构基于增强型的Transformer模型，采用了自适应层归一化等特定修改，支持复杂的组合指令。 ## Fugatto的主要功能 - **音频生成与转换**：Fugatto能根据文本描述生成音效和音乐，例如将钢琴演奏转换为人声歌唱，或改变录音的口音和情绪。 - **多任务学习**：模型支持多种音频生成和转换任务，包括音乐创作、声音效果设计和语音合成等。 - **精细的艺术控制**：通过引入ComposableART技术，用户可以组合多个指令，实现对声音属性的精细控制，调整音乐的节奏、音色，或改变语音的情感和口音。 - **动态音频生成**：Fugatto能生成随时间变化的声音景观，用户可以控制声音的变化轨迹，音频内容更加丰富和生动。 - **多语言和口音支持**：Fugatto具备强大的多语言和口音能力，能生成各种语言的语音内容，支持多种口音和方言，音频创作更加贴近现实。 - **音景创作**：Fugatto可以为电影和音频制作创建身临其境的音景，能模拟自然现象的声音，例如雷雨声与鸟鸣声的结合，为用户提供丰富的听觉体验。 - **语音样本生成**：模型能生成新的语音样本，可以改变交付的语气和风格，为每次播放赋予独特的触感。 ## Fugatto的技术原理 - **深度神经网络**：Fugatto 基于深度神经网络，经过优化可以理解文本、将描述转换为声音，根据用户的特定需求调整其输出。 - **大型语言模型 (LLM)**：Fugatto 用大型语言模型来增强指令生成，能更好地理解和解释音频和文本提示之间的关系。 - **数据生成方法**：Fugatto 采用创新的数据生成方法，超越了传统的监督学习。专门的数据集生成技术，创建各种音频和转换任务。 - **可组合音频表示转换 (ComposableART)**：Fugatto 在推理过程中采用了称为ComposableART的技术，能组合在训练期间只能单独看到的指令。 - **时间插值**：Fugatto 能生成随时间变化的声音，NVIDIA将这一功能称为时间插值。例如，可以模拟暴雨穿过区域的声音，雷声逐渐增强，然后慢慢消失在远处。 - **生成新奇声音**：与大多数只能重现所接触的训练数据的模型不同，Fugatto支持用户创建以前从未见过的音景。 - **Transformer模型的特定修改**：Fugatto 的架构基于经过特定修改（如自适应层归一化）增强的Transformer模型，有助于在不同输入之间保持一致性，比现有模型更好地支持作曲指令。 ## Fugatto的项目地址 - **Github仓库**：[https://github.com/fugatto/fugatto.github.io/blob/main/index.md](https://github.com/fugatto/fugatto.github.io/blob/main/index.md) - **技术论文**：[https://d1qx31qr3h6wln.cloudfront.net/publications/FUGATTO.pdf](https://d1qx31qr3h6wln.cloudfront.net/publications/FUGATTO.pdf) ## Fugatto的应用场景 - **音乐创作**：Fugatto可以作为音乐人的创作工具，帮助他们快速生成符合需求的音乐内容。 - **声音设计**：在电影、游戏等多媒体内容制作中，Fugatto能为声音设计师提供丰富的声音素材和创意灵感，包括自然环境声、机械声或特殊效果声。 - **语音合成与转换**：Fugatto支持文本到语音的转换，能生成多种语言和口音的语音内容，实现语音风格的转换，如口音或情感状态的变化。 - **广告音频制作**：广告代理商可以用Fugatto快速调整广告活动的口音和情感，适应不同地区或情境的需求。 - **视频游戏音频**：视频游戏开发人员可以用Fugatto修改游戏中预先录制的音频素材，或根据文本说明和可选的音频输入动态创建新的音频素材。 ## 常见问题解答 (FAQ) ### Fugatto是什么模型？ Fugatto是英伟达推出的音频合成与转换模型，全称为Foundational Generative Audio Transformer Opus 1。它既能根据文本生成音频，也能修改已有音频，在音乐、语音和音效制作中都很实用。 ### Fugatto能做哪些音频任务？ 它支持音乐创作、声音效果设计、语音合成与转换等多任务能力，还能调整口音、情绪、音色和节奏。对电影、游戏、广告等需要快速生成或编辑音频的场景尤其有价值。 ### Fugatto和普通音频生成模型有什么不同？ Fugatto的亮点在于可组合指令控制和时间插值能力，能把训练中单独见过的指令组合起来使用，并生成随时间变化的声音景观。相比只会复现训练数据的模型，它更强调可控性与新奇音景生成。 --- 探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)