據品玩報導，Arxiv 頁面顯示，阿裡巴巴近日發佈了一款名為 Qwen-Audio 的音訊語言模型。 該模型旨在通過擴大音訊語言預訓練範圍，涵蓋超過 30 個任務和各種音訊類型，如人類語音、自然聲音、音樂和歌曲，以實現通用音訊理解能力。 研究顯示，Qwen-Audio 在多樣基準任務上實現了顯著的性能，無需進行任務特定微調。

巴比特訊，10 月 24 日，《時代》雜誌發佈“2023 年最佳發明”榜單，囊括了 200 項改變我們生活方式的創新。 其中 AI 領域共 14 項入選，包括 Adobe 旗下 Photoshop 的 Generative Expand 和 Generative Fill、OpenAI 的 GPT-4 及 Dall-E 3、Runway Gen-2、Meta SeamlessM4T、Stable Audio 等。

據TechCrunch 報導，9 月13 日，Stability AI 宣布推出人工智能音樂生成器Stable Audio。 Stable 聲稱這是首款能夠通過一種名為潛擴散的技術，為商業用途創建“高品質”44.1 kHz 音樂的工具。通過對音頻元數據以及音頻文件的時長和開始時間進行訓練，Stability 公司表示，與之前發布的生成式音樂工具相比，Audio Diffusion 的底層模型大約有12 億個參數，可以對合成音頻的內容和時長進行更好的控制。一年前，Stability AI 悄然發布Dance Diffusion，但隨後Stability 公司資助創建模型的研究機構Harmonai 停止了對Dance Diffusion 的更新。如今推出的Stable Audio 並不是由Harmonai 單獨開發的。 Stability 的音頻團隊於四月份正式成立，他們受Dance Diffusion 的啟發創建了一個新模型，作為Stable Audio 的基礎，然後由Harmonai 對其進行訓練。目前，Stable Audio 只能通過網絡應用程序使用。 Stability 也沒有宣布以開源方式發布Stable Audio 背後模型的計劃。

Kim Asendorf：使 NFT 藝術旨在催眠的 Metallica 視頻總監 Kim Asendorf 是一位數字表現主義者和互聯網藝術原住民，他透露了他最新的 NFT 作品“Colors of Noise”。由 Peggy Schoenegge 為 Feral File 平台策劃，該系列包含 50 件獨特的藝術品，每件售價 0.25 ETH。 Asendorf 在他的職業生涯中第一次將視覺和音頻藝術結合起來，使用 Web Audio API 生成白噪聲並創建動畫。