Audioldm Text To Audio Generation

Audioldm Text To Audio Generation

在 Gradio 页面里，用 AudioLDM 模型把一段文字描述变成音频片段。适合想试用文字生成音频、又不想自己配置模型的创作者和开发者。

由 dimaiklov 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是基于 AudioLDM 的文字生成音频的 Gradio 演示。你写下想听到的声音，模型就为它生成音频。仓库有 85 个文件，包括 audioldm 代码文件夹、存放检查点的 ckpt 文件夹和一个 share_btn.py 脚本。

适合谁：适合想听听文字转音频模型能做什么的人，也适合想读它是怎么封装进网页的开发者。

Industry | Who uses it | How they use it | Example
内容创作 | 视频制作者和播客作者 | 根据描述制作简短的音效或环境声 | 制作者输入一段声音的描述，然后听生成的片段。
游戏和应用设计 | 设计师和独立开发者 | 在录制或购买之前，先试试声音的想法 | 设计师测试几个描述，比较结果。
AI 研究 | 学生和研究者 | 查看一个可用的 AudioLDM 演示和它的代码 | 学生阅读 app.py 和 audioldm 文件夹。

如果你需要广播级的音乐或音效，可以跳过它，因为来源称它是演示。

用在哪里：

• 网页浏览器，通过 Hugging Face 上的 Space 页面
• Windows、macOS 或 Linux 上的本地副本，使用 Python

Use case | Who | What they get back
用文字生成声音 | 任何人 | 根据你的描述生成的音频片段
本地运行 | 开发者 | 在你自己电脑上的同一个 Gradio 页面
阅读代码 | 学习者 | 一套 AudioLDM 配置和它的检查点文件夹

如何设置：

• Windows、macOS 或 Linux 上的 Python 和 pip
• requirements.txt 里列出的包
• 为 85 个文件的仓库留出空间，其中包含检查点

1. 安装 huggingface_hub 包。
2. 把这个 Space 下载到名为 audioldm-text-to-audio-generation 的本地文件夹。
3. 进入这个文件夹。
4. 安装 3.16.2 版本的 gradio。
5. 安装 requirements.txt 里列出的包。
6. 启动应用。

pip install -U huggingface_hub
hf download dimaiklov/audioldm-text-to-audio-generation --repo-type space --local-dir audioldm-text-to-audio-generation
cd audioldm-text-to-audio-generation
pip install gradio==3.16.2
pip install -r requirements.txt
python app.py

如何使用：打开 Space 页面，或者用下面的命令在本地启动应用。输入你想要的声音的描述，然后运行生成。

python app.py

Tool | What it does
app.py | 主文件，负责启动 Gradio 页面
audioldm | 从名字看，这是存放模型代码的文件夹
ckpt | 从名字看，这是存放模型检查点的文件夹
share_btn.py | 从名字看，这是页面分享按钮用的脚本

示例：你输入一小段你想要的声音的描述，然后按生成按钮。应用会返回一段音频，你可以在页面里播放。

新手与专家：如果你是新手，打开 Space 页面，描述一个简单的声音。简短、具体的描述是不错的第一次尝试。

如果你熟悉这个领域，这个 Space 列出了 AudioLDM-S-Full，以及 BART、BERT 和 RoBERTa 基础模型。部分代码来自 CLAP、Stable Diffusion、SpecVQGAN 和 torch-fidelity，README 对此做了致谢。Gradio 固定在旧版的 3.16.2。

输入文字描述
模型把文字变成声音
页面里出现一段音频

注意事项：

• Gradio 固定在 3.16.2 版本，这是一个旧版本
• 重用代码或音频之前，请阅读仓库里的 LICENSE 文件
• License: bigscience-openrail-m
• Cost to run: 未提及
• Data it reaches: 你输入的文字，以及它文件夹里的模型文件

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：bigscience-openrail-m

链接

• Space：https://huggingface.co/spaces/dimaiklov/audioldm-text-to-audio-generation
• 文件：https://huggingface.co/spaces/dimaiklov/audioldm-text-to-audio-generation/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。