# 高保真音頻生成

基於BigVGAN的神經聲碼器，使用特定梅爾頻譜輸入進行訓練，適用於高質量音頻生成任務

BigVGAN是一種高性能神經聲碼器，通過大規模訓練實現高質量的音頻生成，支持多種採樣率和頻帶配置。

Tango 2是基於Tango改進的文本轉音頻生成模型，通過直接偏好優化(DPO)技術實現音頻生成的對齊訓練

這是一個基於RVC框架訓練的音頻轉音頻模型，專門用於模仿保羅·麥卡特尼的聲音特徵。

這是一個基於RVC（Retrieval-based Voice Conversion）技術的語音轉換模型，專門針對BLACKPINK成員Rose（Rosé）的聲音特徵進行訓練。

MusicGen是一款文本到音樂的生成模型，能夠根據文本描述或音頻提示生成高質量的音樂樣本。

TANGO是基於指令引導擴散的文本轉音頻模型，能夠根據文本提示生成包括人聲、動物聲音、自然與人工音效在內的逼真音頻。