DiffRhythm 是首个基于潜在扩散模型的歌曲生成模型，能够在十秒内合成时长可达4分45秒、包含人声和伴奏的完整歌曲。与现有模型只能分别生成人声或伴奏轨道，或依赖复杂的多阶段架构不同，DiffRhythm 提供了一种端到端的解决方案，在保持快速推理速度的同时，兼具高度的音乐性和可理解性。