您现在的位置是:网站首页>国际国际

金猴爷电玩城下载

孙寄灵 2025-05-14 国际 1978 人已围观

IT之家 5 月 13 日消息⑥,科技媒体 marktechpost 昨日发布博文⑧,报道称英伟达携手麻省理工学院❷,推出了 Audio-SDS④,一种基于文本条件的音频扩散模型扩展技术⑤。

音频扩散模型近年来在生成高质量音频方面表现卓越⑦,但其局限在于难以优化明确且可解释的参数⑥。

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⑤,结合预训练模型的生成能力与参数化音频表示⑤,无需大规模特定数据集⑤,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⑨。

SDS 技术广泛应用于文本生成 3D 图像和图像编辑中③,英伟达融合该技术推出 Audio-SDS④,结合预训练模型的生成先验知识⑨,能够直接根据高级文本提示调整 FM 合成参数⑨、冲击音模拟器或分离掩码③。

研究团队通过基于解码器的 SDS⑥、多步去噪和多尺度频谱图等方法⑤,实验结果表明⑩,Audio-SDS 在主观听觉测试和客观指标上均表现出色❷。

Audio-SDS 的创新在于❸,它用单一预训练模型支持多种音频任务⑪,消除了对大规模领域特定数据集的依赖▓。尽管如此⑩,研究团队也指出⑪,模型覆盖范围⑳、潜在编码伪影和优化敏感性等问题仍需解决⑩。

IT之家附上参考地址

很赞哦④!

随机图文