Make-An-Audio 2是一种基于扩散模型的文本到音频生成技术,由浙江大学、字节跳动和香港中文大学的研究人员共同开发。该技术通过使用预训练的大型语言模型(LLMs)解析文本,优化了语义对齐和时间一致性,提高了生成音频的质量。它还设计了基于前馈Transformer的扩散去噪器,以改善变长音频生成的性能,并增强时间信息的提取。此外,通过使用LLMs将大量音频标签数据转换为音频文本数据集,解决了时间数据稀缺的问题。
数据统计
数据评估
关于Make-An-Audio 2特别声明
本站我爱导航提供的Make-An-Audio 2都来源于网络,不保证外部链接的准确性和完整性,同时,对于该外部链接的指向,不由我爱导航实际控制,在2026年10月27日 下午7:07收录时,该网页上的内容,都属于合规合法,后期网页的内容如出现违规,可以直接联系网站管理员进行删除,我爱导航不承担任何责任。
相关导航
微软azure语音,免费在线文字转语音服务,微软配音合成助手,工具,软件网站
Dubbingx
全球唯一、多情绪、多语态、全可控的AI配音产品
iListen
iListen是一款简化学习、提高效率的工具,将文章内容转化为音频摘要,让用户随时随地轻松获取知识。
Mindset | 每日自护应用
Mindset | 每日自护应用: Mindset是一款每日自护应用,提供由喜爱的艺术家和知名人物创作的真实和亲密的音频收藏。它旨在通过提供一个真实的叙事和故事分享平台,使自护和健康变得简单和可获得。
Driftos
DriftOS是一个专注于白噪音音频服务的平台,以 “为专注、睡眠与放松提供柔和白噪音” 为核心定位,围绕用户不同场景下的身心舒缓需求,构建了丰富且精准的音频内容体系与功能架构。
Yovoice – 本地开源AI语音合成工具
Yovoice 是 Apache-2.0 开源的本地 AI 语音合成工具,支持离线文字转语音、声音克隆与情绪调控,兼容 IndexTTS、Qwen3-TTS 等模型,数据全程本地处理。
JASCO
JASCO是一个结合了符号和基于音频的条件的文本到音乐生成模型,它能够根据全局文本描述和细粒度的局部控制生成高质量的音乐样本。JASCO基于流匹配建模范式和一种新颖的条件方法,允许音乐生成同时受到局部(例如和弦)和全局(文本描述)的控制。通过信息瓶颈层和时间模糊来提取与特定控制相关的信息,允许在同一个文本到音乐模型中结合符号和基于音频的条件。
Dialogai
Dialogai: Dialogai是一个由ChatGPT驱动的WhatsApp聊天机器人。它可以将语音消息转录为文本,回答问题,提供摘要,并制定回复。其目标是使对话更轻松、更方便。
暂无评论...

