Make-An-Audio 2
文本到音频
扩散模型
国外精选
Make-An-Audio 2是一种基于扩散模型的文本到音频生成技术，由浙江大学、字节跳动和香港中文大学的研究人员共同开发。该技术通过使用预训练的大型语言模型(LLMs)解析文本，优化了语义对齐和时间一致性，提高了生成音频的质量。它还设计了基于前馈Transformer的扩散去噪器，以改善变长音频生成的性能，并增强时间信息的提取。此外，通过使用LLMs将大量音频标签数据转换为音频文本数据集，解决了时间数据稀缺的问题。
需求人群：
"该技术的目标受众是音频合成领域的研究人员和开发者，以及需要高质量文本到音频转换的应用场景，如自动配音、有声读物制作等。Make-An-Audio 2通过其先进的技术，能够生成与文本内容语义对齐且时间一致的高质量音频，满足这些用户的需求。"
使用场景示例：
自动生成有声读物的背景音效和对话
为视频内容自动添加旁白和音效
创建虚拟角色的声音，用于游戏或动画
浏览量：8
类似应用
