您现在的位置是:网站首页>国际国际

ios电玩城游戏大厅

马寄凡 2025-05-14 国际 4067 人已围观

IT之家 5 月 13 日消息⑩,科技媒体 marktechpost 昨日发布博文⑨,报道称英伟达携手麻省理工学院③,推出了 Audio-SDS⑪,一种基于文本条件的音频扩散模型扩展技术⑨。

音频扩散模型近年来在生成高质量音频方面表现卓越③,但其局限在于难以优化明确且可解释的参数⑮。

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⑧,结合预训练模型的生成能力与参数化音频表示⑦,无需大规模特定数据集⑰,可应用于 FM 合成器参数校准⑳、物理冲击音合成和音源分离三大任务⑫。

SDS 技术广泛应用于文本生成 3D 图像和图像编辑中⑮,英伟达融合该技术推出 Audio-SDS⑧,结合预训练模型的生成先验知识⑲,能够直接根据高级文本提示调整 FM 合成参数❶、冲击音模拟器或分离掩码❶。

研究团队通过基于解码器的 SDS⑮、多步去噪和多尺度频谱图等方法⑬,实验结果表明⑮,Audio-SDS 在主观听觉测试和客观指标上均表现出色⑧。

Audio-SDS 的创新在于⑧,它用单一预训练模型支持多种音频任务⑫,消除了对大规模领域特定数据集的依赖⑬。尽管如此❷,研究团队也指出⑳,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⑫。

IT之家附上参考地址

很赞哦⑭!

随机图文