AudioLDM一作解读：文本生成高质量音频，单GPU即可

• 达到了目前最好的文本生成音频的效果，并且在核心模块（扩散模型）优化阶段不需要文本数据。
• 计算资源消耗低，单块 3090 GPU 三天内可以完成在 AudioCaps 数据集上的模型训练。
• 模型在不需要额外训练的情况下，可以对任意声音进行音色风格转换，声音空白填充和音频超分。

• 文本生成音频的研究背景和应用场景
• AudioLDM 的设计思想，模型结构和实现细节
• 对 AudioLDM 的效果评估，以及与其他基线模型的比较
• 对 AudioLDM 生成效果的展示，包括视频和网页
• 对未来工作的展望

• 项目主页：https://audioldm.github.io/ 
• 论文：https://arxiv.org/abs/2301.12503
• 开源代码和模型：https://github.com/haoheliu/AudioLDM
• Hugging Face Space：https://huggingface.co/spaces/haoheliu/audioldm-text-to-audio-generation

交流群：本次直播有 QA 环节，欢迎加入本次直播交流群探讨交流。

机器之心 · 机动组

机动组是机器之心发起的人工智能技术社区，聚焦于学术研究与技术实践主题内容，为社区用户带来技术线上公开课、学术分享、技术实践、走近顶尖实验室等系列内容。机动组也将不定期举办线下学术交流会与组织人才服务、产业技术对接等活动，欢迎所有 AI 领域技术从业者加入。

• 点击阅读原文，访问机动组官网，观看更多精彩分享；

• 关注机动组服务号，获取每周直播预告。