音频生成

英文：Audio Generation　分类：multimodal

基本释义

从文本/条件生成音频的技术：语音（TTS）、音乐、音效与环境声。生成式音频是 AIGC 的重要组成，正走向"文本描述即音频"。

技术要点

技术：TTS（神经声码器+大模型）、音乐生成（音频扩散/自回归）、音效合成（文本到声音事件）、统一音频生成模型（一个模型多种声音）；可控性：音色、情绪、时长与风格。

应用场景

用于配音（视频、有声书）、音乐创作（demo 生成）、游戏音效、AI 播客与无障碍；音频生成是内容创作的低成本"声音供给"。

返回AI百科目录 · AI最前沿首页

相关词条：扩散模型 · 视觉编码器 · 语音合成 · Pika · TTS