SoundStorm

SoundStorm ist ein generatives KI-Modell, das von Google Research für effiziente, nicht-autoregressive Audioerzeugung entwickelt wurde. Es produziert hochwertige, natürlich klingende Sprache und Musik durch parallele Dekodierung von Audio-Tokens und ist deutlich schneller als autoregressive Methoden. Zielnutzer sind Forscher und Entwickler, die eine schnelle Audiosynthese für Anwendungen wie Sprachassistenten, Content-Erstellung und Barrierefreiheitstools benötigen. Seine Einzigartigkeit liegt in der Fähigkeit, Audio in Echtzeit mit minimaler Latenz zu erzeugen und dabei hohe Wiedergabetreue zu bewahren, unter Verwendung eines bidirektionalen Aufmerksamkeitsmechanismus und eines neuartigen Trainingsansatzes.