audio-diffusion 是音频音乐领域的开源项目，由 teticio 开发，2022 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（794）位列前 30%，在音频音乐分类中处于中上游。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-11。GPL-3.0许可，可自行部署使用，无付费版本。
它主要面向的使用场景是：音乐生成研究原型验证。同类可对比的替代方案包括 AudioLDM、Diffusion-LM、Jukebox。
项目数据
分类音频音乐
开发团队teticio
所属国家
定价模式free
价格说明开源项目，GPL-3.0许可，可自行部署使用，无付费版本。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Jupyter Notebook
技术栈/模型diffusion-models,huggingface,latent-diffusion,music-generation
GitHub 星标★ 794
30天Star增速
HF 下载量
上线时间2022-08-07 00:00:00
最近更新2026-09-11 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 将 Hugging Face diffusers 包应用于音乐生成，降低了扩散模型在音频领域的上手门槛
- 基于 latent diffusion 技术，支持在潜在空间生成音频，计算效率较高
- 提供 Jupyter Notebook 示例，便于学习和复现
不足之处
- 项目处于早期阶段，功能相对简单，缺乏完善的训练和推理流程
- 文档/社区待观察
适用场景
- 音乐生成研究原型验证
- 学习扩散模型在非图像领域的应用
- 作为音频扩散模型的入门参考
替代项目
AudioLDM、Diffusion-LM、Jukebox
项目介绍
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···