내용과 길이의 조건
음악과 효과음은 자연스럽게 서로 다른 길이를 가진다. 이 연구는 문장으로 소리의 내용을 지정하는 것과 시간 임베딩으로 출력 길이를 조절하는 것을 함께 다룬다.
효율적인 잠재 공간
완전 합성곱 변분 오토인코더가 정의한 잠재 공간에서 확산 모델을 학습한다. 긴 고해상도 스테레오 파형을 생성할 때 필요한 계산 부담을 줄이려는 구성이다.
속도 보고의 조건
논문은 A100 GPU에서 44.1킬로헤르츠 스테레오 95초를 8초에 생성한 결과를 보고한다. 이는 해당 연구의 장비와 설정에 따른 관측으로 다른 장비나 배포 환경의 처리 시간을 보장하지 않는다.
길이와 사건의 완결
정해진 길이의 종소리를 요청했는데 끝부분이 갑자기 잘리면 파일 길이는 맞아도 사건이 자연스럽게 마무리되지 않을 수 있다. 시간 조건의 충족과 소리 구조의 완결을 각각 확인해야 한다.
관련 문서
MusicGen / MusicLM / Mousai / AudioLDM / Tango 오디오 생성 / SongEval