EzAudio

EzAudio是一款由约翰霍普金斯大学与腾讯AI实验室联合开发的文本到音频生成模型。该模型采用了一种高效的扩散变换器技术，能够将文本提示转化为高质量的音频输出。EzAudio的创新之处在于其优化的模型架构以及数据高效训练策略，显著提升了生成速度与音频的真实感。此外，EzAudio引入了无分类器引导重缩放技术，简化了模型的使用流程，同时保持了音频的质量。