LiteFocus

LiteFocus

LiteFocus: inferencia de difusión acelerada para síntesis de audio de larga duración
Zhenxiong Tan, Xinyin Ma, Gongfan Fang y Xinchao Wang
Laboratorio de Visión y Aprendizaje, Universidad Nacional de Singapur

TL;DR (Demasiado largo; No leído)

LiteFocus es una herramienta diseñada para acelerar el modelo TTA basado en difusión, ahora implementado con el modelo base AudioLDM2. Duplica la velocidad de procesamiento y mejora la calidad del audio.

Configuración

• Preparar el entorno (opcional)

conda create -n litefocus python=3.10
conda activate litefocus

• Instalar el modelo base

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

Uso

Uso básico

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)

Deshabilitar LiteFocus

 disable_lite_focus ( model )

Configuración

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

inject_lite_focus ( model , config )

Parámetro	Descripción	Valor predeterminado
same_frequency	Permite prestar atención a los tokens que comparten la misma frecuencia.	True
cross_frequency	Permite prestar atención a los tokens en la compensación de frecuencia cruzada.	True
sparse_ratio	Especifica la proporción de escasez de cross_frequency .	0.1

Hacer

• Integración de AudioLDM2
• Integración de tuberías de difusores

Citación

 @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}
}