声音艺术家

轻量可控AI音频生成模型，支持结合控制信号与文本提示生成声音 Sketch2Sound是一款可控AI音频生成模型，可基于可解释时间变化控制信号（响度、亮度、音高）搭配文本提示生成高质量音频。该模型可适配文本到音频潜在扩散变换器架构，仅需40k步微调，每个控制对应单个线性层，比ControlNet更轻量，可兼顾文本语义与控制精度，支持声音创作者灵活创作。