Riffusion
基於穩定擴散技術的即時音樂生成模型,可根據文本輸入生成頻譜圖並轉換為音頻片段
下載量 14
發布時間 : 12/15/2022
模型概述
Riffusion是一個潛在文本-圖像擴散模型,能夠根據文本提示生成頻譜圖,這些頻譜圖可進一步轉換為音頻片段。該模型基於Stable-Diffusion-v1-5微調而成,適用於創意音樂生成和研究用途。
模型特點
即時音樂生成
能夠根據文本提示即時生成音樂頻譜圖並轉換為音頻
基於穩定擴散技術
基於成熟的Stable-Diffusion-v1-5模型微調,具有可靠的生成能力
開放許可
採用CreativeML OpenRAIL-M許可協議,允許商用和研究使用
模型能力
文本到音頻生成
音樂頻譜圖生成
即時音頻合成
使用案例
創意藝術
音樂創作
藝術家和音樂人可以使用文本提示生成獨特的音樂片段
生成可轉換為音頻的頻譜圖
教育研究
生成模型研究
研究人員可以探索文本到音頻的生成模型技術
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98