LiteFocus

LiteFocus

LiteFocus: Beschleunigte Diffusionsinferenz für die lange Audiosynthese
Zhenxiong Tan, Xinyin Ma, Gongfan Fang und Xinchao Wang
Learning and Vision Lab, National University of Singapore

TL;DR (Zu lang; Nicht gelesen)

LiteFocus ist ein Tool zur Beschleunigung des diffusionsbasierten TTA-Modells, das jetzt mit dem Basismodell AudioLDM2 implementiert ist. Es verdoppelt die Verarbeitungsgeschwindigkeit und verbessert die Audioqualität.

Aufstellen

• Umgebung vorbereiten (optional)

conda create -n litefocus python=3.10
conda activate litefocus

• Basismodell installieren

pip3 install git+https://github.com/haoheliu/AudioLDM2.git

Verwendung

Grundlegende Verwendung

from audioldm2 import text_to_audio, build_model
import scipy

+ from litefocus import inject_lite_focus, disable_lite_focus

model = build_model(model_name='audioldm2-full')

+ inject_lite_focus(model)

waveform = text_to_audio(
    latent_diffusion=model,
    duration=40,
    text='Musical constellations twinkling in the night sky, forming a cosmic melody.',
)

scipy.io.wavfile.write("out.wav", rate=16000, data=waveform)

Deaktivieren Sie LiteFocus

 disable_lite_focus ( model )

Konfiguration

 config = {
    'same_frequency' : True ,
    'cross_frequency' : True ,
    'sparse_ratio' : 0.1
}

inject_lite_focus ( model , config )

Parameter	Beschreibung	Standardwert
same_frequency	Ermöglicht Aufmerksamkeit für Token mit derselben Häufigkeit.	True
cross_frequency	Ermöglicht die Aufmerksamkeit auf Token bei der Kreuzfrequenzkompensation.	True
sparse_ratio	Gibt das Sparsity-Verhältnis für cross_frequency an.	0,1

Zu erledigen

• AudioLDM2-Integration
• Diffusor-Pipeline-Integration

Zitat

 @article{
  tan2024lite,
  title={LiteFocus: Accelerated Diffusion Inference for Long Audio Synthesis},
  author={Zhenxiong Tan, Xinyin Ma, Gongfan Fang, and Xinchao Wang},
  journal={arXiv preprint arXiv:2407.10468},
  year={2024}
}