本文へスキップ

Make-An-Audio 2

拡散モデルで文章から音声を生成する

公式サイトを見る
カテゴリ AI音楽生成

Make-An-Audio 2 とは

本技術は学習済み大規模言語モデルの助けで文章を音声に変える拡散モデルと説明されている。

できること

  • 学習済み大規模言語モデルで入力文を解く
  • 構造化符号化器で意味の整合を学ぶ
  • 拡散ノイズ除去器から音声を生成する

技術の要点

  • 順伝播型 Transformer の除去器が長さの変化を扱う
  • 大規模言語モデルがラベルを音声文章の資料に変える
  • 時間の情報は解かれた文章から取り出す

長所と短所

✓ 良い点

  • 長さが変わる音声はノイズ除去器で扱われる
  • 時間データの不足は大規模言語モデルで和らげる

! 注意したい点

  • 記された入力は自然言語の文章
  • 生成の流れは複数の符号化の段を通る

よくある質問

誰が開発した?

資料は浙江大学、ByteDance、香港中文大学の研究者を挙げる。

構造化符号化器の役割は?

機能一覧はノイズ除去の過程で意味の整合を助けると説明。

最終評価日: 2026-11-15

その他 AI音楽創作 ツール

すべて見る →

評価方法