プロジェクト ◆ 隠れた逸品
AudioLDM2
haoheliu/AudioLDM2 · Python · MIT
Latent diffusion for text-to-audio and music
この解説はまだ日本語がありません。英語の原文を表示しています。
AudioLDM 2 remains a solid open text-to-audio baseline for SFX and short musical phrases.
8.3 / 100 · スコア
★ 2.6k スター
+2 30日間の増加
25 分 初回起動まで
不要 API キー
スコア
トレンド 26
活発度 8
品質 65
コミュニティ 19
関連 100
導入の要点
デプロイCli, Web
GPU8 GB
API キー不要
UI 言語en
ドキュメント言語en
インストール
pip install git+https://github.com/haoheliu/AudioLDM2.git 深読み
AudioLDM 2 is a text-to-audio generation system built on latent diffusion: describe a sound, a music snippet or a speech effect and it synthesizes the audio — no recordings required.
The 2023 update added two new checkpoints: a 48kHz model for high-fidelity output and an improved 16kHz model trained on more data, so you can trade quality against speed per use case.
It integrates with the diffusers pipeline API (with a Colab walkthrough), which makes it one of the easiest research audio models to embed in an application.
ユースケース
Game SFX from prompts
Short music beds
Audio research baselines
向いている / 向いていない
向いている
Game audio prototyping
向いていない
Full 3-minute vocal songs