Riffusion
Stable Diffusion技術に基づくリアルタイム音楽生成モデル。テキスト入力からスペクトログラムを生成し、オーディオクリップに変換可能
ダウンロード数 14
リリース時間 : 12/15/2022
モデル概要
Riffusionは潜在的なテキスト-画像拡散モデルで、テキストプロンプトからスペクトログラムを生成し、さらにオーディオクリップに変換できます。このモデルはStable-Diffusion-v1-5をファインチューニングしたもので、クリエイティブな音楽生成や研究用途に適しています。
モデル特徴
リアルタイム音楽生成
テキストプロンプトに基づいてリアルタイムで音楽スペクトログラムを生成し、オーディオに変換可能
Stable Diffusion技術ベース
確立されたStable-Diffusion-v1-5モデルをファインチューニングしており、信頼性の高い生成能力を有する
オープンライセンス
CreativeML OpenRAIL-Mライセンスを採用しており、商用および研究利用が可能
モデル能力
テキストからオーディオ生成
音楽スペクトログラム生成
リアルタイムオーディオ合成
使用事例
クリエイティブアート
音楽制作
アーティストやミュージシャンがテキストプロンプトを使用してユニークな音楽クリップを生成可能
オーディオに変換可能なスペクトログラムを生成
教育研究
生成モデル研究
研究者がテキストからオーディオへの生成モデル技術を探索可能
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98