只需要输入一段提示词，就可以生成对应的逼真音频文件。

近日，约翰霍普金斯大学与腾讯 AI 实验室联合推出了一款名为 EzAudio 的新型文本到音频生成模型。这项技术承诺以空前的效率和高品质文本转换为声音，标志着人工智能和音频技术的重大飞跃。

和之前发布的audiocraft和 Stable Audio Tools 类似，都可以通过一段提示词生成对应逼真的音频文件。EzAudio 的应用可能超越声音效果生成，涉及语音和音乐制作等领域（一键包下载：https://deepface.cc/thread-385-1-1.html）

应用领域

EzAudio的优势在于其创新性的架构和训练策略，使其能够生成高度逼真的音频，同时在模型性能、计算效率和数据利用等方面表现出色。它为音频内容的创作提供了更高效、便捷的工具，有望在多个领域得到广泛应用。在音乐创作领域，EzAudio可以根据创作者的文本提示生成各种风格的音乐片段，为音乐创作提供灵感和素材。例如，创作者可以输入“一段激昂的交响乐”，EzAudio就能生成相应的音频，帮助创作者快速构建音乐的初步框架。在影视制作中，它可以为影片生成逼真的音效，增强观众的沉浸感。比如，对于“一场激烈的战斗场景”，EzAudio可以生成枪声、爆炸声、喊叫声等音效，使影片更加生动。在教育领域，EzAudio可以用于语音教学，生成标准的语音示范，帮助学生学习语言发音。此外，它还可以为教材生成配套的音频内容，丰富教学资源。在虚拟角色和游戏中，EzAudio可以为虚拟角色赋予生动的语音，使其更加逼真。同时，它也可以为游戏场景生成各种音效，提升游戏的趣味性和体验感。

使用教程

下载一键包，双击一键启动，等待自动跳转到WebUI界面。

操作很简单，只需要输入一段提示词，比如输入“a dog barking in the distance”（一只狗在远处吠叫）,然后点“生成”即可。

如果第一次生成的效果不满意，或者要在第一次生成的基础上做补充，也可以点击上方选项卡，切换到音频编辑模式