🚀 模型作者为@Dorialexander，下载地址及在线体验链接已公开。
看起来各有所得，但其实格力和孟羽童都遭到了不少争议。
传统的基于扩散的声音转换模型通常需要多个迭代步骤来逐渐生成目标音频，这个过程可能既复杂又耗时。然而，CoMoSVC通过创新的模型设计和算法优化，实现了快速且高效的一步采样，大大减少了转换所需的时间，同时保持了音频质量。
据了解，Nexon的主要作品有《洛奇》《洛奇英雄传》《地下城与勇士（DNF）》《疯狂阿给之弹水阿给（泡泡堂/弹水阿给）》《泡泡战士》《跑跑卡丁车》《天翼之链》《神之领域》《冒险岛(枫之谷)》《反恐精英Online》和《反恐精英Online2》等。
据悉，M2UGen采用了创新的方法，生成了大规模的多模态音乐指导数据集，用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型，以在各个领域生成对应的指导。