谷歌云增强AI媒体工具，新增音乐和视频功能

周三，谷歌公布了其Vertex AI云平台的升级，增强了多个专有媒体生成AI模型。

Lyria，谷歌的文本转音乐AI，现已对部分用户开放预览，而Veo 2视频模型新增了高级编辑和视觉效果选项。此外，谷歌推出了由Chirp 3音频处理模型支持的语音克隆功能，供获批用户使用。据谷歌称，Imagen 3图像生成器的性能现已显著提升。

在Cloud Next上宣布的这些更新加强了谷歌在企业生成式AI市场的领导地位，与亚马逊的Bedrock平台展开激烈竞争，后者提供类似的AI工具。

谷歌将Lyria定位为免版税音乐库的替代品，使用户能够生成从爵士钢琴独奏到低保真节拍等多种风格的歌曲。

Chirp 3支持约35种语言的语音合成。今年早些时候首次预览，它为即时自定义语音功能提供支持，该功能仅需10秒音频即可复制语音，现已广泛可用。Chirp 3还支持新的预览工具——带分割的转录，可在多人录音中区分并标记发言者。

谷歌表示，为防止滥用，即时自定义语音功能需经过验证流程以确保语音使用权限合规。

Veo 2现允许用户移除视频中的背景、标志或物体，并扩展视频框架，例如将横向镜头转换为纵向。它还支持调整AI生成场景的摄像机角度和节奏，创建类似延时摄影或无人机风格的镜头效果，并可在指定的起始和结束框架之间进行插值。

这些Veo 2功能目前处于预览阶段。

谷歌指出，Imagen 3的增强改善了其移除物体和修复缺失或损坏图像区域的能力。

由Imagen、Veo和Lyria（但不包括Chirp）创建的所有媒体均带有谷歌的SynthID水印。谷歌强调，其生成式AI模型包含防止创建有害内容的防护措施。

谷歌未披露其模型的训练数据，这一话题因知识产权问题常引发争议。一些公司未经许可使用受版权保护的材料训练AI，声称受美国公平使用保护，尽管创作者常对此提起诉讼。

谷歌此前向TechCrunch表示，它为模型训练提供退出选项，并提供赔偿政策，以保护谷歌云和Vertex AI用户免受与AI相关的版权索赔。