LiteFocus

LiteFocus

LiteFocus: Inferência de Difusão Acelerada para Síntese de Áudio Longa
Zhenxiong Tan, Xinyin Ma, Gongfan Fang e Xinchao Wang
Laboratório de Aprendizagem e Visão, Universidade Nacional de Cingapura

DR (muito longo; não li)

LiteFocus é uma ferramenta projetada para acelerar o modelo TTA baseado em difusão, agora implementado com o modelo básico AudioLDM2. Duplica a velocidade de processamento e melhora a qualidade do áudio.

Configurar

• Preparar ambiente (opcional)

conda create -n litefocus python=3.10
conda activate litefocus

• Instalar modelo básico

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)

Desativar LiteFocus

 disable_lite_focus ( model )

Configuração

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

inject_lite_focus ( model , config )

Parâmetro	Descrição	Valor padrão
same_frequency	Permite atenção aos tokens que compartilham a mesma frequência.	True
cross_frequency	Permite atenção aos tokens na compensação de frequência cruzada.	True
sparse_ratio	Especifica a proporção de dispersão para cross_frequency .	0,1

Pendência

• Integração ÁudioLDM2
• Integração de pipeline de difusores

Citação

 @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}
}