DiffRhythm 運営中

DiffRhythmは、西北工業大学ASLP研究室が開発したAI楽曲生成モデルです。歌詞テキストとスタイルプロンプトを創作の入力として、ボーカルと伴奏を同時に含むフル楽曲を生成します。

潜在拡散モデルを採用し、オープンソースモデルと推論コードを提供しています。音楽制作の体験だけでなく、研究や二次開発の基盤としても利用できます。

歌詞を入力し、「ポップ」「フォーク」などのスタイルプロンプトで楽曲生成の方向性を指定できます。中国語と英語の楽曲に対応し、ボーカルと伴奏を含むフル音源を1回で生成できます。最長時間は約4分45秒です。

資料によると、1回の生成に通常約10秒かかります。具体的な生成結果は、入力した歌詞、スタイルの説明、実行環境によって異なります。

音楽プロデューサーは、楽曲のデモ音源を素早く検証し、メロディーやアレンジの方向性を整理するために利用できます。ショート動画などのコンテンツクリエイターは、BGMの草案制作に活用できます。

AI音声に関心のある開発者や研究者は、オープンソースモデルと推論コードを基に研究や二次開発を行えます。音楽愛好家は、歌詞とスタイルプロンプトからフル楽曲の生成を試せます。

DiffRhythmは、アイデアの検証、楽曲のデモ音源、初期段階の音声制作に適しています。生成楽曲にはボーカルと伴奏が含まれますが、あらゆる公開や制作の要件をそのまま満たせるとは限りません。音質、歌唱表現、歌詞の明瞭さ、全体のスタイルを確認し、必要に応じて後処理を行う必要があります。

プロジェクト資料では、具体的な商用利用条件、出力内容の審査体制、異なる実行環境におけるリソース要件について説明されていません。正式に利用する前に、関連する規則を自ら確認してください。