LiteFocus

Fokus Ringan

LiteFocus: Inferensi Difusi yang Dipercepat untuk Sintesis Audio Panjang
Zhenxiong Tan, Xinyin Ma, Gongfan Fang, dan Xinchao Wang
Lab Pembelajaran dan Visi, Universitas Nasional Singapura

TL;DR (Terlalu Panjang; Tidak Dibaca)

LiteFocus adalah alat yang dirancang untuk mempercepat model TTA berbasis difusi, kini diimplementasikan dengan model dasar AudioLDM2. Ini menggandakan kecepatan pemrosesan dan meningkatkan kualitas audio.

Pengaturan

• Siapkan Lingkungan (opsional)

conda create -n litefocus python=3.10
conda activate litefocus

• Instal Model Dasar

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

Penggunaan

Penggunaan Dasar

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)

Nonaktifkan LiteFokus

 disable_lite_focus ( model )

Konfigurasi

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

inject_lite_focus ( model , config )

Parameter	Keterangan	Nilai Bawaan
same_frequency	Memungkinkan perhatian pada token yang berbagi frekuensi yang sama.	True
cross_frequency	Memungkinkan perhatian pada token dalam kompensasi lintas frekuensi.	True
sparse_ratio	Menentukan rasio ketersebaran untuk cross_frequency .	0,1

Agenda

• Integrasi AudioLDM2
• Integrasi pipa diffuser

Kutipan

 @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}
}