音频模型

Armox 中的音频模型可以根据文本描述或参考输入生成音乐、语音与音效。

概览

音频模型可以：

• 音乐生成 — 根据描述创作原创音乐
• 文本转语音 — 从文本生成自然语音
• 音效生成 — 生成环境音与音效
• 声音克隆 — 以特定声音生成语音
• 音频续写 — 延展已有音频

可用的音频模型

连接颜色

在 Armox Canvas 中，音频连接使用 橙色 的句柄与连线：

• 输入句柄：节点左侧的红色圆点
• 输出句柄：节点右侧的红色圆点
• 连接边：连接节点的红色连线

常见设置

Duration

控制生成音频的长度。

Sample Rate

• 44.1kHz — CD 音质
• 48kHz — 专业音频

Format

• MP3 — 有损压缩，文件更小
• WAV — 无损未压缩，质量更高

如何选择合适的模型

用于音乐

• MusicGen（100 credits）— 短音乐片段
• Ace Step（100 credits）— 长篇音乐

用于语音

• Dia TTS（50 credits）— 自然对话
• Kokoro TTS（50 credits）— 快速生成
• Chatterbox（50 credits）— 声音克隆

最佳实践

1. 明确风格 — “jazz”、“electronic”、“orchestral”
2. 描述情绪 — “upbeat”、“melancholic”、“energetic”
3. 写出乐器 — “piano”、“guitar”、“synthesizer”
4. 指定速度 — “slow”、“moderate”、“fast”
5. 语音请用自然表达 — 像你说话一样去写

下一步

查看各个模型的单独文档，了解详细设置与用例。