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