跳到正文

TangoFlux

几秒内由文本生成 30 秒音频

访问官网

TangoFlux 是什么

TangoFlux 被介绍为一个拥有 515M 参数的高效文本到音频模型,通过偏好优化框架改善对齐。代码与模型均开源。

你可以用它做什么

  • 生成最长 30 秒的 44.1kHz 音频
  • 产出立体声背景音乐与效果音
  • 用迭代偏好数据改善对齐

上手流程

  • 从 GitHub 下载开源代码
  • 安装必要的依赖和环境
  • 运行代码并输入文本生成音频

优点与缺点

✓ 我们认可的地方

  • 通过迭代生成与优化偏好数据增强对齐
  • 可处理最长 30 秒的音频生成任务

! 需要留意的地方

  • 资料列出的运行环境为单个 A40 GPU
  • 对齐优化依赖 CRPO 框架

常见问题

生成有多快?

资料说明在单个 A40 GPU 上用 3.7 秒生成最长 30 秒的 44.1kHz 音频。

代码开放吗?

资料说明所有代码和模型均开源。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法