audio-diffusion-pytorch

收录理由

这个PyTorch库为直接在原始音频波形上训练扩散模型提供了完整的组件，无需先转换成频谱图或潜变量。它内置了可配置的U-Net主干网络、多种扩散方法和采样器，覆盖无条件生成、文本条件生成、扩散自编码、上采样以及声码器等任务。核心的扩散与采样逻辑不依赖具体数据维度，稍微调整就能复用到其他格式的数据上。需要留意的是，仓库没有提供预训练权重，README中的配置示例仅作示意，论文Moûsai中描述了实验实际采用的参数。因此，它更适合作为研究基础和教学工具，而不是开箱即用的音频生成方案。