基于潜在扩散模型的文本到音频生成模型,能够从文本描述生成高质量音频
神经合成的代表性方向包括Google的DDSP、Magenta的NSynth以及AudioLDM等。
Diffusers支持AudioLDM等音频扩散模型,能够根据文本描述生成音乐和音效