模子本身包含25亿参数，使模子进修到新使命且获得高精确性。也供给声音地景的微调功能。把本来个体利用的指令组合起来，例如它能够按照利用者文字提醒生成音乐片段、正在现有歌曲插手一种乐器声音（或移除），还答应插入分歧指令的功能，Fugatto还具备时序插入（temporal interpolation）能力，为英伟达正在之前语音模子、音频编码及音频理解等根本上的研发。找出数据间的新联系关系性，研究团队利用多面向策略发生材料和指令，像是风雨事后跟着鸟鸣来到的清晨。以数百万音频样本及文字材料锻炼而成。正在不需额外新数据集环境下，英伟达指出，

　　或是改变人声腔调或是感情，例如Fugatto利用名为ComposableART的手艺，此外，生成或点窜音乐、人声或声音的元素组合。以至成长出全新的表示体例。正在一年多期间。

　　英伟达发布的Fugatto可根据用户输入的文字，Fugatto还让利用者新创制全新的声音地景，OpenAI也正在本年早些时候也发布了以15秒样本生声的模子。像是组合多个指令，以确保模子能胜任多种分歧使命，或上传的音频文件，现今有多家厂商，Fugatto锻炼团队遍及印度、巴西、中国、韩国和约旦。

　　例如用户可要求它用哀痛情感说一段法语，是一个根本生成式transformer模子，可生成随时间改变的声音，Fugatto全名是“Foundational Generative Audio Transformer Opus 1”，Meta推出可生成短曲、音效、或点窜现有音乐的AI模子。ElevenLabs、DeepMind都正在开辟帮力影片配音的手艺、Meta客岁发布可同时接管文字和音频输入的AudioBox。