您现在的位置是:网站首页>财经财经

巴士电玩城ios下载安装

张曼易 2025-05-14 财经 1873 人已围观

IT之家 5 月 13 日消息⑨,科技媒体 marktechpost 昨日发布博文⑭,报道称英伟达携手麻省理工学院⑯,推出了 Audio-SDS⑪,一种基于文本条件的音频扩散模型扩展技术⑦。

音频扩散模型近年来在生成高质量音频方面表现卓越❸,但其局限在于难以优化明确且可解释的参数⑧。

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⑦,结合预训练模型的生成能力与参数化音频表示⑬,无需大规模特定数据集⑪,可应用于 FM 合成器参数校准⑪、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⑥,英伟达融合该技术推出 Audio-SDS⑨,结合预训练模型的生成先验知识⑦,能够直接根据高级文本提示调整 FM 合成参数⑥、冲击音模拟器或分离掩码⑩。

研究团队通过基于解码器的 SDS⑱、多步去噪和多尺度频谱图等方法⑦,实验结果表明⑱,Audio-SDS 在主观听觉测试和客观指标上均表现出色⑭。

Audio-SDS 的创新在于⑳,它用单一预训练模型支持多种音频任务⑯,消除了对大规模领域特定数据集的依赖❶。尽管如此⑰,研究团队也指出③,模型覆盖范围⑮、潜在编码伪影和优化敏感性等问题仍需解决⑤。

IT之家附上参考地址

很赞哦❶!

随机图文