پژوهشگران چارچوب هوش مصنوعی AudioX را برای تولید صدا و موسیقی از متن، ویدیو و سیگنال صوتی توسعه داده‌اند. آن‌ها ماژولی به نام MAF ساخته‌اند تا مدل ورودی‌های گوناگون را بهتر با هم ترکیب کند. AudioX در سه نسخه روی Hugging Face منتشر شده و پژوهشگران می‌توانند به کد، وزن‌های مدل و دموی تعاملی دسترسی داشته باشند. برای اجرای آفلاین، به پایتون ۳٫۸ یا بالاتر، FFmpeg و کارت گرافیک سازگار نیاز است.
چرا مهم است
برای پژوهشگرانی که روی تولید صوت کار می‌کنند، دسترسی به کد و وزن‌های مدل امکان بررسی و اجرای آن را فراهم می‌کند؛ اما اجرای آفلاین به کارت گرافیک سازگار نیاز دارد.
