您现在的位置是:网站首页>国内国内

hy电玩城官网下载最新版

崔听寒 2025-05-14 国内 4188 人已围观

IT之家 5 月 13 日消息⑫,科技媒体 marktechpost 昨日发布博文①,报道称英伟达携手麻省理工学院⑪,推出了 Audio-SDS⑧,一种基于文本条件的音频扩散模型扩展技术⑪。

音频扩散模型近年来在生成高质量音频方面表现卓越⑬,但其局限在于难以优化明确且可解释的参数⑩。

英伟达和 MIT 的科研团队首次将 Score Distillation Sampling方法应用于音频领域⑯,结合预训练模型的生成能力与参数化音频表示▓,无需大规模特定数据集⑮,可应用于 FM 合成器参数校准⑨、物理冲击音合成和音源分离三大任务⑱。

SDS 技术广泛应用于文本生成 3D 图像和图像编辑中❷,英伟达融合该技术推出 Audio-SDS⑥,结合预训练模型的生成先验知识⑮,能够直接根据高级文本提示调整 FM 合成参数③、冲击音模拟器或分离掩码⑪。

研究团队通过基于解码器的 SDS⑨、多步去噪和多尺度频谱图等方法⑯,实验结果表明⑫,Audio-SDS 在主观听觉测试和客观指标上均表现出色⑪。

Audio-SDS 的创新在于⑮,它用单一预训练模型支持多种音频任务⑭,消除了对大规模领域特定数据集的依赖⑭。尽管如此④,研究团队也指出③,模型覆盖范围⑲、潜在编码伪影和优化敏感性等问题仍需解决⑬。

IT之家附上参考地址

很赞哦❷!

随机图文