待验证50% 置信事实精确时间
文本到音频方向的代表性模型包括 Meta 的 AudioGen、Google 的 AudioLM 和 AudioPaLM，以及 Stability AI 的 Stable Audio
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/7
首次发现
有效期至：2027/1/5
来源
涉及实体
相关事实
待验证Meta的MusicGen基于单阶段Transformer解码离散音频token，Google DeepMind的MusicLM基于层级化音频语言模型，Stability AI的Stable Audio基于潜在扩散模型80% 相似待验证Google 的 AudioPaLM 是直接实现音频到音频映射的端到端语音模型77% 相似已验证AI音乐生成的底层架构主要分为自回归语言模型（如Meta AudioCraft/MusicGen）和扩散模型（如Stable Audio、Suno）两类76% 相似已验证ElevenLabs 的音效模型和 Stability AI 的 Stable Audio 等工具已能生成高质量环境音和拟声效果76% 相似待验证端到端语音架构的先驱包括 Google 的 AudioLM（2022）和 Meta 的 Voicebox（2023）76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/982683API
curl https://kongchang.com/api/v1/knowledge/claims/982683MCP
get_claim(id=982683)