Sprach-, Audio- & Musik-KI News

10:56 Open Source

KI-gestützte Musikkomposition mit dem Open-Source-Tool YuE

KI-Musik kostenlos erstellen mit YuE! Das Open-Source-Tool wandelt Texte in Songs (bis 5 Min.) in verschiedenen Sprachen & Stilen.

09:58 Regulierung

Urheberrechtsfragen in der KI-Musikproduktion: Der Streit zwischen GEMA und KI-Anbietern

KI-Musik im Urheberrechtsstreit: Die GEMA kämpft gegen Anbieter wie Suno, die KI-Musikgeneratoren mit urheberrechtlich geschützter Musik trainieren. Werden KI-Modelle bald Lizenzgebühren zahlen müssen? Die Zukunft der Musikproduktion steht auf dem Spiel.

09:58 Regulierung

GEMA reicht Klage gegen US-KI-Musik-Startup Suno wegen Urheberrechtsverletzung ein

GEMA verklagt US-KI-Startup Suno wegen Urheberrechtsverletzung. Sunos KI-Musiktool soll GEMA-Repertoire ohne Lizenz nutzen. Der Fall unterstreicht den Konflikt zwischen Urheberrecht und KI-Musik. Suno wehrt sich und argumentiert mit kreativem Lernen statt Kopieren.

09:58 Bild & Video

Neue Ansätze zur audiogesteuerten Avatar-Videoerzeugung verbessern Realismus und Ausdruckskraft

Revolutionäre Avatar-Videogenerierung: EMO2 nutzt Handbewegungen für realistische & ausdrucksstarke Animationen, synchronisiert mit Audio. Überzeugt durch höhere Qualität & Präzision.

11:46 Bild & Video

OuteTTS: Fortschrittliche Text-to-Speech-KI mit mehrsprachiger Klonfunktion

OuteTTS: Multilinguale TTS-KI mit Stimmklonung! Entdecke die innovative Technologie mit Open-Source-Zugang & Demo via Gradio. Flexibel, leistungsstark & in zwei Modellgrößen verfügbar.

10:27 Bild & Video

Fortschritte und Anwendungen der Open-Source Text-to-Speech Technologie

Open-Source-TTS revolutioniert die Sprachsynthese! Entdecken Sie die neuesten Entwicklungen, Anwendungen & Chancen dieser Technologie und erfahren Sie, wie Unternehmen wie Mindverse innovative KI-Lösungen damit gestalten.

10:45 Tools & Entwicklung

Audioeingabe für KI-gestützte Chatbots

Sprach-Input für Gradio Chatbots! Erfahren Sie, wie die neue Mikrofon-Integration die Chatbot-Entwicklung revolutioniert. Einfache Implementierung, verbesserte Benutzerfreundlichkeit & zahlreiche Anwendungsfälle.

11:22 Google

Gemini 2.0: Neue Möglichkeiten durch Echtzeit-Audiostreaming in der KI-Interaktion

Gemini 2.0 revolutioniert die Mensch-Computer-Interaktion mit Echtzeit-Audiostreaming. Die Multimodal Live API ermöglicht natürliche Dialoge und innovative Anwendungen.

11:22 Bild & Video

Fortschritte in der Text-to-Audio-Technologie und ihre Auswirkungen auf die Sprachsynthese

Revolution in der Sprachsynthese: Schnellere Text-to-Audio-Modelle liefern natürlichere & hochwertigere Sprachausgabe. Erfahren Sie mehr über die Technologie, Anwendungen & Potenziale wie z.B. Barrierefreiheit, Bildung & Live-Übersetzungen.

16:19 Anthropic

Einigung zwischen Anthropic und Musikverlagen zur Nutzung von Songtexten durch KI

KI-Chatbot Claude schweigt zu Songtexten: Anthropic einigt sich mit Musikverlagen. Urheberrechtsstreit beigelegt, doch Kernfrage nach KI-Training mit geschützten Texten bleibt offen. GEMA klagt gegen OpenAI.

14:14 Modelle & Forschung

MMAudio lokal mit Pinokio: Ein neuer Ansatz zur Audiogenerierung und -bearbeitung

Nutze die Power von MMAudio lokal mit Pinokio! Erstelle & bearbeite Audio mit KI dank benutzerfreundlicher Gradio Oberfläche. Datenschutz, Kostenersparnis & Offline-Nutzung inklusive. Benötigt Nvidia-Grafikkarte.

11:04 Bild & Video

Neuartige Ansätze zur Video-zu-Audio-Synthese durch multimodales Training

MMAudio: KI-generiertes Audio aus Videos & Text. Revolutionäre Audio-Video-Synchronisation dank multimodalem Training.

20:55 Sicherheit & Gesellschaft

Adobe Research stellt neues KI-System zur Audioerstellung vor

Revolutionäres KI-System von Adobe: Erstelle Sounds durch Summen & Texteingabe! Sketch2Sound wandelt deine Geräusche und Beschreibungen in realistische Audioeffekte und Atmosphären um. Kontextverständnis ermöglicht intuitive Bedienung. Für Sounddesigner & Kreative.

14:32 Bild & Video

Neuer Ansatz zur synchronisierten Audio-Video-Generierung mit AV-Link

AV-Link revolutioniert die cross-modale Audio-Video-Generierung durch den Einsatz von Diffusionsmodellen. Das innovative Framework meistert die zeitliche Synchronisation von Audio und Video und ermöglicht die Erstellung hochwertiger, immersiver Medienerlebnisse.

14:32 Praxis & Anwendung

Musik und Künstliche Intelligenz: Neue Perspektiven und Herausforderungen

KI revolutioniert die Musikwelt! Erfahre, wie Künstliche Intelligenz Komposition, Produktion & Vertrieb verändert und welche Chancen und Herausforderungen sich für Künstler im KI-Zeitalter ergeben. Entdecke die Symphonie der Möglichkeiten!

15:47 Meta

Spotify integriert Metas Llama zur Verbesserung personalisierter Musikerlebnisse

Spotify nutzt Metas Llama-KI für personalisierte Musikerlebnisse. Vom AI DJ bis zu individuellen Empfehlungen – erfahre, wie Llama die Zukunft des Musikhörens auf Spotify gestaltet.

12:35 OpenAI

Ein hybrider Ansatz für die Audioverarbeitung mit Whisper-GPT

Whisper-GPT: Ein hybrider Ansatz für Audio-LLMs kombiniert kontinuierliche & diskrete Repräsentationen für verbesserte Audioverarbeitung & -generierung.

12:30 Praxis & Anwendung

Virtuelle Duette und die Zukunft der Musik durch KI

Erlebe Paul McCartney im virtuellen Duett mit John Lennon! Mithilfe von KI wurde Lennons Stimme für die "Got Back"-Tour wiederbelebt. Ein bewegender Tribut und ein Blick in die Zukunft der Musik.

12:11 Praxis & Anwendung

Multimodale Ansätze zur Musikgenerierung: Fortschritte und neue Perspektiven

Multimodale Musikgenerierung: Wie Visuals Music Bridge (VMB) Bild & Klang verbindet. Der innovative Ansatz nutzt Text- und Musikbrücken für verbesserte Ausrichtung & Steuerung.

22:59 Bild & Video

Neue Perspektiven in der KI-gestützten Audiogenerierung durch Videoanalyse

KI-gestützte Audiogenerierung aus Videos: Erfahren Sie, wie mit Vision Encodern, Auxiliary Embeddings & Data Augmentation semantisch passende Sounds & Musik erzeugt werden.

22:59 Modelle & Forschung

Interaktive Bewertung von Audiomodellen auf der Plattform Talk Arena

Teste & vergleiche große Audiomodelle (LAMs) interaktiv auf Talk Arena. Bewerte Sprach-KI wie GPT-4o, Gemini & Qwen-Audio nach Natürlichkeit & Verständlichkeit. Trage zur Entwicklung nutzerfreundlicher KI bei!

Auch: Interaktive Bewertung großer Audiomodelle auf der Plattform Talk Arena

22:59 Modelle & Forschung

Die Rolle von Large Audio Models in der Sprachkommunikation und ihre Bewertung

Entdecke die Welt der Large Audio Models (LAMs) & finde das beste Modell! Talk Arena bietet den direkten Vergleich & dynamisches Ranking basierend auf Nutzerfeedback.