英偉達與麻省理工學院(MIT)近日聯合發布了一項突破性技術——Audio-SDS。

　　該技術基于文本條件的音頻擴散模型擴展，首次將Score Distillation Sampling(SDS)方法引入音頻領域。

　　通過結合預訓練模型的生成能力與參數化音頻表示，Audio-SDS無需依賴大規模特定數據集，即可高效完成FM合成器參數校準、物理沖擊音合成和音源分離三大任務。

　　這項創新技術利用解碼器SDS、多步去噪及多尺度頻譜圖等方法，在主觀聽覺測試與客觀指標上均表現優異。其核心優勢在于單一預訓練模型即可支持多種音頻任務，顯著降低了對領域特定數據的依賴。

　　盡管如此，研究團隊仍指出模型覆蓋范圍及優化敏感性等問題有待進一步完善。這一成果為高質量音頻生成開辟了全新路徑。