近日，科技界传来一项新的合作成果，英伟达与麻省理工学院（MIT）携手推出了Audio-SDS技术，这是一项基于文本条件的音频扩散模型扩展技术，为音频生成领域带来了新突破。
音频扩散模型在近年来凭借其生成高质量音频的能力备受瞩目。然而，这类模型的一个显著局限在于难以对明确且可解释的参数进行优化，这限制了其在实际应用中的灵活性和广泛性。
为了克服这一挑战，英伟达与MIT的科研团队首次将Score Distillation Sampling（SDS）方法引入到音频领域。他们结合了预训练模型的强大生成能力与参数化音频表示，从而无需依赖大规模特定数据集，即可应用于FM合成器参数校准、物理冲击音合成以及音源分离等三大关键任务。
SDS技术此前已在文本生成3D图像和图像编辑领域得到了广泛应用。英伟达此次将SDS技术与音频生成相结合，推出了Audio-SDS。该技术能够利用预训练模型的先验知识，直接根据高级文本提示调整FM合成参数、冲击音模拟器或分离掩码，从而实现了更加灵活和精准的音频生成。
在实验中，研究团队采用了基于解码器的SDS、多步去噪以及多尺度频谱图等方法。实验结果表明，Audio-SDS在主观听觉测试和客观指标（如CLAP分数、信号失真比SDR）上均展现出了卓越的性能。
Audio-SDS的一大创新之处在于，它仅需一个预训练模型即可支持多种音频任务，从而极大地降低了对大规模领域特定数据集的依赖。这一特性使得Audio-SDS在音频生成领域具有更广泛的应用前景。
然而，研究团队也指出了Audio-SDS目前仍面临的一些挑战，包括模型覆盖范围有限、潜在编码伪影以及优化敏感性等问题。他们表示，未来将继续致力于解决这些问题，以进一步提升Audio-SDS的性能和应用范围。
