项目 ◆ 沧海遗珠
AudioLDM2
haoheliu/AudioLDM2 · Python · MIT
基于潜在扩散的文生音频与音乐系统
AudioLDM 2 仍是稳健的开源文生音频基线，适合音效与短音乐片段生成。
8.3 / 100 · 评分
★ 2.6k Star 数
+2 30 天增长
25 分钟 首次运行耗时
无需 API Key
评分
趋势 26
活跃 8
质量 65
社区 19
相关 100
上手成本一览
部署方式Cli, Web
GPU8 GB
API Key无需
界面语言en
文档语言en
安装命令
pip install git+https://github.com/haoheliu/AudioLDM2.git 深度解读
AudioLDM 2 是一个基于潜在扩散的文生音频系统：描述一个声音、一段音乐或一种语音效果，它就合成出来——不需要录音。
2023 年更新加了两个新 checkpoint：48kHz 高保真模型与用更多数据训练的改进版 16kHz 模型，按用例在质量与速度间取舍。
它接入 diffusers 管线 API（附 Colab 走查），是最容易嵌进应用的研究级音频模型之一。
适用场景
提示词生成游戏音效
短音乐底噪
音频研究基线
适合 / 不太适合
适合
游戏音频原型
不太适合
完整 3 分钟带人声歌曲