基于BigVGAN的神经声码器，使用特定梅尔频谱输入进行训练，适用于高质量音频生成任务

BigVGAN是一种高性能神经声码器，通过大规模训练实现高质量的音频生成，支持多种采样率和频带配置。

Tango 2是基于Tango改进的文本转音频生成模型，通过直接偏好优化(DPO)技术实现音频生成的对齐训练

这是一个基于RVC框架训练的音频转音频模型，专门用于模仿保罗·麦卡特尼的声音特征。

这是一个基于RVC（Retrieval-based Voice Conversion）技术的语音转换模型，专门针对BLACKPINK成员Rose（Rosé）的声音特征进行训练。

MusicGen是一款文本到音乐的生成模型，能够根据文本描述或音频提示生成高质量的音乐样本。

TANGO是基于指令引导扩散的文本转音频模型，能够根据文本提示生成包括人声、动物声音、自然与人工音效在内的逼真音频。