# 高忠実度オーディオ合成

BigVGANは大規模トレーニングに基づく汎用ニューラルボコーダで、メルスペクトログラムを高品質な波形に変換できます。v2バージョンではカスタムCUDAカーネルによる推論加速とトレーニングデータの多様性拡張が行われています。

BigVGANは大規模トレーニングに基づく汎用ニューラルボコーダーで、メルスペクトルを波形オーディオに高品質で変換できます。

Tango 2はTangoを改良したテキストからオーディオを生成するモデルで、DPOアライメントトレーニングによりオーディオ生成品質を最適化

MusicGenはMeta AIが開発したテキストから音楽を生成するモデルで、テキスト説明またはオーディオプロンプトに基づいて高品質なステレオ音楽サンプルを生成できます。