%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
简介
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。
截图
产品特色
使用预训练的大型语言模型(LLMs)解析文本，优化时间信息捕获
引入结构化文本编码器，辅助学习扩散去噪过程中的语义对齐
设计基于前馈Transformer的扩散去噪器，改善变长音频生成性能
利用LLMs增强和转换音频标签数据，缓解时间数据稀缺问题
在客观和主观指标上超越基线模型，显著提升时间信息理解、语义一致性和声音质量
使用教程
步骤1: 准备自然语言文本作为输入
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
步骤2: 使用Make-An-Audio 2的Text Encoder解析文本
步骤3: 结构化文本编码器辅助学习语义对齐
步骤4: 利用扩散去噪器生成音频
步骤5: 调整生成音频的长度和时间控制
步骤6: 根据需要修改结构化输入以精确控制时间
步骤7: 生成最终的音频输出
流量来源
| 直接访问 | 74.25% | 外链引荐 | 17.24% | 邮件 | 0.08% |
| 自然搜索 | 6.08% | 社交媒体 | 1.81% | 展示广告 | 0.30% |
最新流量情况
月访问量
407
平均访问时长
0.00
每次访问页数
1.02
跳出率
43.80%
总流量趋势图
地理流量分布情况
美国
60.64%
中国台湾
39.36%
地理流量分布全球图
同类开源产品
Remusic
优质新品
Remusic是一个由AI驱动的音乐创作平台，它允许用户通过简单的输入生成独特的音乐、歌词和封面。
AI音乐生成#歌词生成
Tomusic
优质新品
ToMusic是一个创新的在线平台，利用先进的AI技术将文本内容转换成音乐。
AI音乐生成#歌词转换
Openmusic
OpenMusic是一个基于人工智能的音乐创作模型，它利用深度学习技术，能够根据用户输入的指令或音乐片段生成新的音乐作品。
AI音乐生成#音乐创作
Covers
Covers 是 Suno 推出的一款音乐创作工具，它允许用户将任何声音，从简单语音备忘录到完整制作的音乐，转换成全新风格的音乐作品，同时保留原始的旋律。
AI音乐生成#风格转换
Songcreator
SongCreator是一个基于人工智能技术的歌词生成歌曲工具，它能够将文本歌词转化为完整的音乐作品。
AI音乐生成#音乐创作
Fluxmusic
FluxMusic是一个基于PyTorch实现的文本到音乐生成模型，它通过扩散式修正流变换器探索了一种简单的文本到音乐生成方法。
AI音乐生成#生成模型
Mureka
Mureka 是一个创新的平台，旨在帮助音乐创作者捕捉和放大灵感。
AI音乐生成#歌曲发布
Stable Audio ControlNet
Stable Audio ControlNet 是一个基于 Stable Audio Open 的音乐生成模型，通过 DiT ControlNet 进行微调，能够在具有 16GB VRAM 的 GPU 上使用，支持音频控制。
AI音乐生成#控制网络
SAAR
优质新品
SAAR是一个AI音乐助手，旨在通过直观的语音或文本对话帮助用户创作音乐。
AI音乐生成#音乐助手
替代品
Openmusic
OpenMusic是一个基于人工智能的音乐创作模型，它利用深度学习技术，能够根据用户输入的指令或音乐片段生成新的音乐作品。
AI音乐生成#音乐创作
Songcreator
SongCreator是一个基于人工智能技术的歌词生成歌曲工具，它能够将文本歌词转化为完整的音乐作品。
AI音乐生成#音乐创作
Fluxmusic
FluxMusic是一个基于PyTorch实现的文本到音乐生成模型，它通过扩散式修正流变换器探索了一种简单的文本到音乐生成方法。
AI音乐生成#生成模型
Stable Audio ControlNet
Stable Audio ControlNet 是一个基于 Stable Audio Open 的音乐生成模型，通过 DiT ControlNet 进行微调，能够在具有 16GB VRAM 的 GPU 上使用，支持音频控制。
AI音乐生成#控制网络
Musicongen
MusiConGen是一个基于Transformer的文本到音乐生成模型，它通过时间条件增强对节奏和和弦的控制。
AI音乐生成#Transformer模型
Stable Audio Open Demo
Stable Audio Open 是一个能够从文本提示生成长达47秒的立体声音频的技术。
AI音乐生成#文本到音频
Stable Audio Open 1.0
优质新品
Stable Audio Open 1.0是一个利用自编码器、基于T5的文本嵌入和基于变压器的扩散模型来生成长达47秒的立体声音频的AI模型。
AI音乐生成#音频处理
Comfyui StableAudioSampler
优质新品
ComfyUI-StableAudioSampler 是一款集成在 ComfyUI 节点中的音频采样器插件，它允许用户生成音频并输出原始字节和采样率，支持所有原始 Stable Audio Open 参数，并可以保存音频到文件。
AI音乐生成#音乐制作
Musicgpt
MusicGPT 是一款允许在任何平台上以高性能方式在本地运行最新音乐生成 AI 模型的应用程序。
AI音乐生成#人工智能
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k