NVIDIA a introduit un modèle d'IA générative expérimental appelé Foundational Generative Audio Transformer Opus 1, ou Fugatto. Ce modèle, décrit comme un "couteau suisse pour le son", utilise des invites textuelles pour générer ou modifier des fichiers audio, musicaux, vocaux et sonores. Conçu par une équipe de chercheurs internationaux, ses "capacités multi-accent et multilingues" ont été améliorées, selon NVIDIA. Rafael Valle, chercheur et responsable de la recherche appliquée en audio chez NVIDIA, a déclaré : "Nous voulions créer un modèle qui comprenne et génère le son comme le font les humains. " L'entreprise suggère que Fugatto pourrait aider les producteurs de musique à générer rapidement des prototypes de chansons, permettant des modifications faciles pour différents styles, voix et instruments. Fugatto pourrait également être utilisé pour générer des matériaux vocaux pour les outils d'apprentissage des langues, et les développeurs de jeux vidéo pourraient l'utiliser pour créer des variations d'actifs en fonction des actions des joueurs. De plus, les chercheurs ont découvert qu'avec quelques ajustements, Fugatto peut accomplir des tâches au-delà de son pré-entraînement, comme combiner des instructions séparées pour générer des scénarios spécifiques de discours ou de sons, tels qu'un accent et un ton émotionnel spécifiques, ou des oiseaux chantant lors d'un orage.

En outre, il peut produire des sons qui évoluent avec le temps, comme un orage changeant. NVIDIA n'a pas confirmé l'accès public à Fugatto. Cependant, ce n'est pas le premier modèle d'IA générative capable de créer des sons à partir d'invites textuelles. Meta a publié un kit d'IA open-source pour la génération de sons, et Google propose une IA de texte en musique, MusicLM, disponible via son site AI Test Kitchen.