SoundStorm

SoundStorm — это генеративная модель ИИ, разработанная Google Research, для эффективной неавторегрессивной генерации аудио. Она создает высококачественную, естественно звучащую речь и музыку путем параллельного декодирования аудиотокенов, что значительно быстрее авторегрессивных методов. Целевые пользователи включают исследователей и разработчиков, нуждающихся в быстром синтезе аудио для таких приложений, как голосовые помощники, создание контента и инструменты доступности. Уникальность заключается в способности генерировать аудио в реальном времени с минимальной задержкой, сохраняя высокую точность, используя двунаправленный механизм внимания и новый подход к обучению.