Make-An-Audio 2

网站简介

多机构联合开发的基于扩散模型的高性能文本到音频生成技术 Make-An-Audio 2由浙江大学、字节跳动、香港中文大学研究人员联合开发，是基于扩散模型的文本到音频生成技术。它借助预训练大语言模型解析文本，优化语义对齐与时间一致性，提升生成质量；设计前馈Transformer扩散去噪器，改善变长音频生成性能；还通过大语言模型转换标签数据，解决时间数据稀缺问题。

核心功能

使用指南

1. 1

   访问官方网站https://make-an-audio-

2. 2

   github.io，可查看完整技术介绍、试听不同场景的生成音频示例；研究人员可在官网获取技术论文了解实现细节，开源部署相关信息可参考官网说明自行获取使用。

优势亮点

• 依托大语言模型优化，语义对齐度高

• 解决音频领域时间标注数据稀缺问题

• 优化变长音频生成，时间一致性好

• 多顶尖机构联合研发，技术创新性强

编辑推荐

“

这款由顶尖高校与头部科技企业联合研发的文本转音频技术，针对性解决了行业内时间数据稀缺、语义对齐不足、变长音频生成效果差的常见痛点，技术思路创新性强，生成质量优于不少同类传统方案，对音频生成领域的研究和应用都有较高参考价值。

深度了解

使用须知