AudioLDM 2
haoheliu/AudioLDM2Revisado por IA
Revisado por RepoPicks Radar el
¿Qué es AudioLDM 2?
Un modelo que convierte una descripción escrita en audio: efectos de sonido, música corta o voz a partir de una transcripción más una descripción de quien habla. También mejora la calidad de una grabación existente. Puedes probarlo gratis en las páginas de Hugging Face de los autores, o instalarlo con Python y ejecutar una página web local o un comando de una sola línea. Hay siete archivos de modelo distintos disponibles, incluido uno de alta fidelidad a 48 kHz. Es código de investigación de un artículo publicado, modificado por última vez en 2024.
AudioLDM 2 es gratis y puede reemplazar a ElevenLabs, Suno y Epidemic Sound.
¿Qué tan fácil es instalar AudioLDM 2?
A · descarga y abre · Web
- Windows C
- macOS C
- Linux C
- Web A
La forma más fácil de entrar es la web, una A: el README enlaza dos Hugging Face Spaces gratuitos manejados por el autor donde escribes una descripción y escuchas el resultado, sin instalar nada. Instalarlo es una C en los tres sistemas: crea un entorno de Python 3.8 con conda, `pip3 install git+https://github.com/haoheliu/AudioLDM2.git`, y luego ejecuta `python3 app.py` para una página web local o `audioldm2 -t "..."` en la terminal. Puede usar una tarjeta NVIDIA (cuda), una Mac con Apple Silicon (mps) o solo cpu, y la conversión de texto a voz también necesita tener espeak instalado.
AudioLDM 2 en GitHub
- Estrellas
- 2644el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +1estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux, Web
- Necesitas instalar
- Python, Tarjeta NVIDIA
- Para compilar desde el código
- Python, Tarjeta NVIDIA
- Espacio en disco
- 950 MB–4,3 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · Sin precio, pero el archivo LICENSE es Creative Commons Attribution-NonCommercial-ShareAlike 4.0, que no permite el uso comercial, mientras que setup.py declara MIT.
- Licencia
- NOASSERTION (Otra)
- Puede reemplazar
- ElevenLabs, Suno, Epidemic Sound
- Último cambio en GitHub
- 29 sept 2024
Señales de riesgo de AudioLDM 2 (8)
- AtenciónDependencias con vulnerabilidades conocidas
Dependencias fijadas con vulnerabilidades conocidas (OSV): transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-37q5-v5qm-c9v8
revisión automática
- Atenciónconflicto de licencia no comercial vs mit
El archivo LICENSE es "Attribution-NonCommercial-ShareAlike 4.0 International", donde "NonCommercial means not primarily intended for or directed towards commercial advantage or monetary compensation", mientras que setup.py define `license="MIT"` y el clasificador "License :: OSI Approved :: MIT License". GitHub reporta NOASSERTION, así que ninguna herramienta puede decir cuál se aplica a lo que haces con él.
revisión con IA
- Atencióndesarrollo detenido
El último commit en la instantánea revisada es del 2024-09-29, 767 días antes de la revisión, no hay releases, hay 75 issues abiertos, y el último elemento de la lista TODO ("Add the style-transfer and inpainting code for the audioldm_48k checkpoint") sigue sin marcar, con "PR welcomed".
revisión con IA
- Atenciónpila de python antigua y fijada
Las instrucciones de instalación piden `python=3.8`, y setup.py fija `transformers==4.30.2`, `numpy<=1.23.5`, `librosa==0.9.2` y `gradio<4`. requirements.txt también define `--extra-index-url https://download.pytorch.org/whl/cu113`, una compilación de CUDA 11.3. Esas versiones tienen años de antigüedad y el transformers fijado es el mismo que las revisiones marcaron por vulnerabilidades conocidas.
revisión con IA
- Infoinstala código sin versión fija desde git
requirements.txt empieza con `git+https://github.com/huggingface/diffusers.git` y la sección Diffusers te dice que ejecutes `pip install --upgrade git+https://github.com/huggingface/diffusers.git transformers accelerate`. Eso instala lo que haya en esas ramas el día que lo instalas, no una versión fija.
revisión con IA
- Infola calidad del resultado varía según el hardware
Sección del README "Random Seed Matters": "Sometimes model may not perform well (sounds weird or low quality) when changing into a different hardware. In this case, please adjust the random seed and find the optimal one for your hardware." La CLI también ofrece `-n` candidatos por texto como "Automatic quality control".
revisión con IA
- Infopesado en una mac
El README sobre dispositivos: "mps ( Notice that the computation requires about 20GB of RAM. )" — así que en una Mac con Apple Silicon necesitas una máquina con mucha memoria.
revisión con IA
- Infoun camino más rápido vive en otro lugar
README: "The Diffusers version of the code runs upwards of **3x faster** than the native AudioLDM 2 implementation, and supports generating audios of arbitrary length", señalando los checkpoints `cvssp/audioldm2` de Hugging Face. El código de este repositorio es el original, más lento.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de AudioLDM 2
- Si la instalación todavía funciona hoy con Python 3.8 y esas versiones fijadas
- Si las dos páginas de demostración de Hugging Face todavía están en línea
- Cómo suenan en realidad los efectos de sonido, la música y la voz generados
- El espacio real en disco que ocupan los siete archivos de modelo que puedes descargar
- Cuánto tarda un clip en un procesador normal, sin tarjeta gráfica
- Qué licencia se aplica al audio que generas, dado el conflicto entre LICENSE y setup.py