Riffusion
基于稳定扩散技术的实时音乐生成模型,可根据文本输入生成频谱图并转换为音频片段
下载量 14
发布时间 : 12/15/2022
模型简介
Riffusion是一个潜在文本-图像扩散模型,能够根据文本提示生成频谱图,这些频谱图可进一步转换为音频片段。该模型基于Stable-Diffusion-v1-5微调而成,适用于创意音乐生成和研究用途。
模型特点
实时音乐生成
能够根据文本提示实时生成音乐频谱图并转换为音频
基于稳定扩散技术
基于成熟的Stable-Diffusion-v1-5模型微调,具有可靠的生成能力
开放许可
采用CreativeML OpenRAIL-M许可协议,允许商用和研究使用
模型能力
文本到音频生成
音乐频谱图生成
实时音频合成
使用案例
创意艺术
音乐创作
艺术家和音乐人可以使用文本提示生成独特的音乐片段
生成可转换为音频的频谱图
教育研究
生成模型研究
研究人员可以探索文本到音频的生成模型技术
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98