跳到正文

SoundStorm

并行生成音频令牌以加快合成

访问官网

SoundStorm 是什么

SoundStorm 被介绍为由 Google Research 开发的音频生成技术,通过并行产出音频令牌来减少合成时间。

你可以用它做什么

  • 并行生成音频令牌
  • 保持与原始音频信号一致的音质
  • 控制说话内容与说话者特征

技术构成

  • 神经音频编解码器压缩音频波形
  • 使用基于 Transformer 的序列到序列模型
  • 令牌从粗糙到精细逐级预测

优点与缺点

✓ 我们认可的地方

  • 减少长序列的推理时间
  • 支持长文本语音合成与自然对话生成

! 需要留意的地方

  • 生成从文本或音频提示开始
  • 描述的流程使用神经音频编解码器

常见问题

它解决什么问题?

资料说明针对传统自回归模型处理长序列时推理速度慢的问题。

能控制什么?

资料列出说话内容、说话者声音和说话轮次。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法