高效生成

Nvdia开源AI文本转音效模型，只要3.7秒就能生成30秒的音效，影视配音将越来越简单。

作者

TangoFlux是由新加坡科技设计大学和NVIDIA联合开发的高效文本到音频生成模型，能在单个A40 GPU上仅用3.7秒生成长达30秒的44.1kHz音频。该模型采用流匹配框架，并引入了CRPO技术提升生成音频与文本描述的匹配度。