导读
AudioLDM将潜空间扩散用于一般声音合成，借助语言—音频对齐表示连接文字与听觉内容，把生成艺术研究延伸到环境声与声音编辑。
查看大图 ↗图1：AudioLDM训练、文本条件采样及声音编辑的原始方法图。 来源为v3，图像版本与论文首次公开日分别记录。
Liu, Haohe; Chen, Zehua; Yuan, Yi; Mei, Xinhao; Liu, Xubo; Mandic, Danilo; Wang, Wenwu; Plumbley, Mark D. · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · AudioLDM: Text-to-Audio Generation with Latent Diffusion Models ↗档案研究说明
AudioLDM将潜空间扩散用于一般声音合成，借助语言—音频对齐表示连接文字与听觉内容，把生成艺术研究延伸到环境声与声音编辑。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
模型利用CLAP的对齐表示，在训练时使用音频嵌入，在采样时以文本嵌入作为条件。论文还展示声音修补、超分辨率及风格相关操作，说明声音合成不只是把图像模型换一个输出标签。
本节依据: AudioLDM：潜空间扩散的文本到声音生成
与生成艺术史的关系
编者解释：文字可以成为组织声音环境的输入，使音色、事件和空间想象进入生成制作。原项目试听比静态流程图更能说明结果，故保留作者的声音展示入口。
本节依据: AudioLDM：潜空间扩散的文本到声音生成
阅读边界与版本
一般声音生成与完整音乐结构生成不同；论文的主客观评估不等于对音乐或声音艺术价值的判断。
本节依据: AudioLDM：潜空间扩散的文本到声音生成
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
AudioLDM：对照MusicGen：简单且可控的音乐生成的方法、控制或评价条件。
AudioLDM：对照Jukebox的方法、控制或评价条件。
AudioLDM：对照音乐 AI 公平授权原则的方法、控制或评价条件。
日期与版本记录
节点标注日期：2023-01-29 · 来源记录的历史日期：2023-01-29
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v3；该版日期见原文版本记录。
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
AudioLDM: Text-to-Audio Generation with Latent Diffusion Models
https://arxiv.org/abs/2301.12503
当前引用地址
核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #213 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。 · 012
原记日期: 2023-01-29
AudioLDM：潜空间扩散的文本到声音生成 ↗
AudioLDM: Text-to-Audio Generation with Latent Diffusion Models
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. AudioLDM：潜空间扩散的文本到声音生成. 艺术史节点 #213. https://salondesrefuses.cn/zh/art-history/335
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。