FreeAudio团队 投稿 量子位 | 公众号 QbitAI 文生音频系统最新突破，实现 精确时间控制 与 90秒长时音频生成 ！ 想象一下，给AI发一段复杂指令生成音频： 0-10秒要有森林风吹声；0-4秒，鸟儿鸣叫；4-6秒，木头燃烧；6-16秒，动物踩在干树叶上的脚步声；10-16秒，蟋蟀鸣叫；16-19 秒，猫头鹰鸣叫；17-26秒，溪水流淌。 现在它真能做到每个声音都卡准时间点，请听： 不论是长时间生成还是短时间都轻松拿捏： 1-3秒，狼嚎声；0-8秒，蟋蟀鸣叫声。 各种器物以及人的声响也都能复刻： 0-8秒，柔和的原声吉他拨弦奠定了节奏；8-16秒，男声加入，伴随着吉他的音乐唱歌；16-22秒，人声情绪高涨，而吉他声则保持稳定 的背景；22-26秒，歌曲略微柔和，轻柔的吉他声持续演奏。 以前要实现这种效果非常难，要么时间控不准，要么时长撑不过10秒。 但现在， 来自清华大学、生数科技的新成果FreeAudio 直接把这变 成了现实。 更猛的是，它不用额外训练，靠一套 " 免 训练"方法 就突破了行业瓶颈，可基于自然语言文本与时间提示实现精确的时间控制与长时音频生 成。 实验中，在10秒时间控制的 ...