RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

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

264426452646 6 nov7 nov8 nov9 nov10 nov 264426452646 6 nov8 nov10 nov

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

Proyectos parecidos

La app RepoPicks

Pronto: instala con 1 clic desde la app RepoPicks.

Antes de descargar

Ver la página de la versión en GitHub