科技媒体 marktechpost 昨日发布博文，报道称英伟达携手麻省理工学院，音频扩散模型近年来在生成高质量音频方面表现卓越，但其局限在于难以优化明确且可解释的参数。

　　英伟达和 MIT 的科研团队首次将 Score Distillation Sampling方法应用于音频领域，结合预训练模型的生成能力与参数化音频表示，SDS 技术广泛应用于文本生成 3D 图像和图像研究团队通过基于解码器的 SDS、多步去噪和多尺度频谱图等方法，实验结果表明，Audio-SDS 在主观听觉测试和客观指标上均表现出色。

　　Audio-SDS 的创新在于，它用单一预训练模型支持多种音频任务，消除了对大规模领域特定数据集的依赖。尽管如此，研究团队也指出，模型覆盖范围、潜在编码伪影和优化敏感性等问题仍需解决。

　　附上参考地址