Meta 发布多项研究新成果：图像到文本、文本到音乐、多标记预测以及AI生成语音检测！

文章预览

Meta AI研究实验室(FAIR)公开发布了多项新研究成果，包括图像到文本和文本到音乐的生成模型，多词预测模型，以及检测AI生成语音的技术。发布的成果体现了开放性、协作、卓越和规模化等核心原则。公开早期研究工作旨在激发迭代，推动AI负责任发展。以下是发布的研究成果总结： Meta Chameleon系列模型可将文本和图像作为输入，输出任意文本和图像组合。已发布7B和34B模型的关键组件。 发布多词预测预训练语言模型代码，可更高效训练语言模型。 发布JASCO文本到音乐生成模型，可接受各种条件输入如音调、拍子等，改进对生成音乐的控制。 发布AudioSeal，首个专为检测AI生成语音设计的音频水印技术，可实现对语音片段中的AI内容进行本地化检测。 发布PRISM数据集，记录1500名参与者与21个LLM的交流及反馈，用于探索反馈过程的方法、领域和目标。 ………………………………