近期，英偉達攜手麻省理工學院，共同推出了一項名為Audio-SDS的創新技術，該技術將Score Distillation Sampling（SDS）技術首次應用于音頻生成領域，為音頻創作帶來了革命性的突破。
長久以來，音頻擴散模型在音頻生成領域展現出了卓越的性能，但在調整具有明確語義和可解釋性的參數方面，一直存在著一定的局限性。Audio-SDS技術的出現，正是為了解決這一問題。它融合了預訓練模型的強大生成能力與參數化音頻表示手段，為用戶提供了更為靈活和高效的音頻編輯工具。
Audio-SDS技術無需依賴大規模特定任務的數據集，即可廣泛應用于多種音頻處理任務。無論是FM合成器參數校準、物理沖擊音效合成，還是音源分離等關鍵場景，Audio-SDS都能表現出色。用戶只需根據高級文本提示，就能輕松調整FM合成參數、沖擊音模擬器設置或分離掩碼，從而實現對音頻內容的直觀和高效編輯。
為了驗證Audio-SDS技術的有效性，研究團隊采用了基于解碼器的SDS架構、多步去噪機制及多尺度頻譜圖分析等技術進行了實驗。實驗結果顯示，Audio-SDS在主觀聽感測試以及多項客觀評價指標上，如CLAP分數和信號失真比SDR，均展現出了卓越的性能。
Audio-SDS技術的一大亮點在于其通用性。通過一個統一的預訓練模型，Audio-SDS能夠支持多種音頻任務，避免了對大量任務專屬數據集的依賴。這為用戶提供了更為便捷和高效的音頻生成與編輯解決方案。然而，研究者也坦誠地指出，Audio-SDS在模型覆蓋范圍、潛在編碼偽影以及優化穩定性等方面，仍有待進一步的改進和優化。
Audio-SDS技術的推出，無疑為音頻生成領域注入了新的活力。它不僅為用戶提供了更為靈活和高效的音頻編輯工具，更為未來音頻內容的創作提供了無限可能。隨著技術的不斷進步和完善，我們有理由相信，Audio-SDS將在音頻創作領域發揮越來越重要的作用。
