天美乌鸦糖心mv

声明：本人是智能语音交互方向的研究生新生，兴趣方向为语音合成/音乐生成。

本文是个人研读论文后的笔记，目前只从脉络层面了解相关技术，并不深入模型框架和细节，是对相关技术前言知识的了解和科普。

欢迎交流指正！（持续更新） 1 Stable Audio(2405)标题《Fast Timing-Conditioned Latent Audio Diffusion》 关注点：快速、时间条件 怎么做到快速的？时间条件是怎么嵌入网络的？ 摘要从文本提示生成长格式 44.1kHz 立体声音频…。