AI初创公司Runway推出了Gen-4视频模型，能够在多个镜头中生成一致的场景和人物。该模型允许用户通过单一参考图像生成角色和物体，提供更好的故事连贯性和控制力。用户只需描述构图，模型便能从多个角度生成一致的输出。
本文探讨了文本到音频音乐生成模型在长期音乐创作中的应用，特别是桌面角色扮演游戏（TRPG）的原声音乐生成。介绍了Babel Bardo系统，该系统利用大型语言模型将语音转录转换为音乐描述，从而提升音质和故事连贯性。
完成下面两步后，将自动完成登录并继续当前操作。
