英偉達(dá)與麻省理工學(xué)院(MIT)近日聯(lián)合發(fā)布了一項(xiàng)突破性技術(shù)——Audio-SDS。

　　該技術(shù)基于文本條件的音頻擴(kuò)散模型擴(kuò)展，首次將Score Distillation Sampling(SDS)方法引入音頻領(lǐng)域。

　　通過(guò)結(jié)合預(yù)訓(xùn)練模型的生成能力與參數(shù)化音頻表示，Audio-SDS無(wú)需依賴大規(guī)模特定數(shù)據(jù)集，即可高效完成FM合成器參數(shù)校準(zhǔn)、物理沖擊音合成和音源分離三大任務(wù)。

　　這項(xiàng)創(chuàng)新技術(shù)利用解碼器SDS、多步去噪及多尺度頻譜圖等方法，在主觀聽(tīng)覺(jué)測(cè)試與客觀指標(biāo)上均表現(xiàn)優(yōu)異。其核心優(yōu)勢(shì)在于單一預(yù)訓(xùn)練模型即可支持多種音頻任務(wù)，顯著降低了對(duì)領(lǐng)域特定數(shù)據(jù)的依賴。

　　盡管如此，研究團(tuán)隊(duì)仍指出模型覆蓋范圍及優(yōu)化敏感性等問(wèn)題有待進(jìn)一步完善。這一成果為高質(zhì)量音頻生成開(kāi)辟了全新路徑。