10月25日，据《科创板日报》报道，OpenAI正开发AI音乐模型，与茱莉亚音乐学院学生合作标注乐谱数据，探索通过文本和音频提示生成音乐的应用场景，如为短视频配乐。此功能或将整合进Sora和ChatGPT生态，降低内容创作门槛并提升用户黏性，同时向广告领域拓展。此前，OpenAI曾推出MuseNet和Jukebox模型，但未整合进现有产品。全球范围内，谷歌、Suno、Udio等公司已在AI音乐领域取得商业化进展，中国科技巨头如字节跳动、阿里、腾讯和昆仑万维也相继发布音乐生成模型，竞争激烈。AI音乐生成技术正迈向实用化，或成继文本与视频后的下一技术竞赛焦点。

12月18日，字节跳动在火山引擎Force大会上发布了豆包视觉理解模型，该模型能以极低成本处理大量图片，千tokens输入仅需0.03元，比行业平均价格低85%。同时推出的还有豆包3D生成模型，可与火山引擎数字孪生平台veOmniverse结合，实现智能训练和数字资产制作。豆包大模型系列中的其他产品也进行了升级：豆包通用模型pro全面对标GPT-4，但价格仅为后者的1/8；音乐模型能够生成3分钟完整的音乐作品。此外，计划于明年春季发布的豆包视频生成模型1.5版将具备更长视频生成能力，并且豆包端到端实时语音模型即将上线，支持多角色演绎及方言转换等功能。