AudioX-Turbo

AudioX-Turbo 是一个面向高效多模态条件音频生成的统一框架，支持文本、视频、音频等多种输入形式到高质量声音/音乐的快速合成。其核心技术采用教师-学生蒸馏范式：教师模型 AudioX-Base 基于多模态扩散Transformer与自适应融合模块实现高保真建模，学生模型 AudioX-Turbo 通过分布匹配蒸馏（适配流匹配）与扩散判别器联合优化，仅需4步采样即可生成，推理效率达基线模型的25倍。适用于需要低延迟、高可控性的AI音频创作场景，如内容生产、游戏音效生成、辅助音乐创作等。