Например, вы пишете «спокойная фортепианная мелодия в стиле блюз» или «энергичный драм-н-бейс с басами» – и нейросеть создаёт аудиотрек длительностью около 5–10 секунд
Проект использует модифицированную версию модели Stable Diffusion, обученную не на изображениях, а на спектрограммах
Языки: Python (100.0%).
⭐️ Star 3.9k
https://github.com/riffusion/riffusion-hobby
⚡️ @becaps // max.ru/becaps