InfiniteAudio：具有一致性的无限长度音频生成
音频与语音处理
2025-06-04 v1
摘要
本文提出了 InfiniteAudio，一种使用基于扩散的文本到音频方法生成无限长度音频的简单而有效的策略。当前方法面临内存约束，因为输出大小随输入长度增加，使得长时长生成具有挑战性。一种常见的权宜之计是拼接短音频片段，但由于缺乏共享的时间上下文，这通常会导致不一致性。为解决此问题，InfiniteAudio 无需额外训练即可无缝集成到现有流程中。它引入了两项关键技术：FIFO 采样，一种具有固定大小输入的先进先出推理策略；以及弯曲去噪，该方法有选择地优先处理关键扩散步骤以提高效率。实验表明，InfiniteAudio 在所有指标上均取得了相当或更优的性能。音频样本可在我们的项目页面上获取。
引用
@article{arxiv.2506.03020,
title = {InfiniteAudio: Infinite-Length Audio Generation with Consistency},
author = {Chaeyoung Jung and Hojoon Ki and Ji-Hoon Kim and Junmo Kim and Joon Son Chung},
journal= {arXiv preprint arXiv:2506.03020},
year = {2025}
}