DiffRhythm

DiffRhythm 是首个基于潜在扩散的歌曲生成模型，能够在仅十秒内合成时长长达4分45秒、包含人声与伴奏的完整歌曲。与现有模型分别生成人声或伴奏轨道，或依赖复杂多阶段架构不同，DiffRhythm 提供了一种端到端解决方案，在保持快速推理速度的同时，具备高音乐性与可懂性。