TangoFluxは、テキストプロンプトから効果音、BGM、その他のサウンドフラグメントを生成することに特化した革新的なAIツールです。シンガポール工科デザイン大学とNVIDIAが共同で発表したTangoFluxは、音声を高速生成できるだけでなく、長時間音声をサポートし、ユーザーのニーズに応じて適応的に調整でき、音声生成技術の重要なブレークスルーです。
コア機能のハイライト
効率的な音声生成
TangoFluxは数秒で最大30秒の44.1kHz音声を生成でき、創作効率を大幅に向上させます。
長時間音声生成をサポート
最大30秒の音声を生成でき、さまざまな音楽フラグメント、環境効果音、特殊効果音を含み、異なる音声ニーズを完璧に満たします。

CRPO最適化
TangoFluxはCLAP-Ranked Preference Optimization(CRPO)フレームワークを導入し、ユーザーの好みに基づいて生成されたオーディオを最適化し、各効果音がより高い品質基準を満たすことを保証します。
多様な効果音生成
メロディー、リズム、BGMから自然環境音(雨音、風音、波の音など)、さらに爆発音や機械音などの特殊効果音まで、TangoFluxは自然音声合成にも対応し、さまざまなシーンに豊富な効果音サポートを提供します。
利用シーン
音楽・映像制作
TangoFluxはBGMや効果音を迅速に生成し、創作にインスピレーションを提供し、制作期間を大幅に短縮できます。
ゲーム開発
ゲームシーン(森林、戦場など)に背景効果音を提供したり、武器攻撃やスキル発動などの特殊効果音を生成し、ゲーム体験を向上させます。
ポッドキャストとオーディオブック
トランジション効果音やBGMを生成し、感情的な音声を作り出すこともでき、ストーリーにより豊かな感情の層を加えます。
システム構成要件
TangoFluxの正常な動作を確保するために、お使いのコンピュータが以下の構成要件を満たしていることを確認してください:
- オペレーティングシステム:Windows 10/11 64ビット
- グラフィックカード:少なくとも8GBのVRAMを搭載したNVIDIAグラフィックカード
- CUDA:バージョン >= 12.4
- ハードディスク容量:パッケージ全体を解凍すると約15.5GBになります。十分なスペースを確保してください
グラフィックカードのモデルとVRAMの確認方法
- タスクマネージャーを開く
- "パフォーマンス"をクリック
- 「GPU」タブを選択
- 右上隅でグラフィックカードのモデルを確認し、下部でVRAMサイズを確認します

使用チュートリアル
- 統合パッケージをダウンロードして解凍します。

- フォルダパスとファイル名に中国語の文字が含まれていないことを確認してください。含まれていると一部のソフトウェアが認識できずエラーが発生する可能性があります。
- 「一键启动.bat」ファイルをダブルクリックし、しばらく待つと操作画面がブラウザで自動的に開きます。

- テキストプロンプトを入力します。中国語のプロンプトを選択して「翻訳为英文」をクリックすると、システムが自動的に英語のプロンプトボックスに入力します。または英語のプロンプトボックスに直接プロンプトを入力し、オーディオの長さとステップ数を調整して(最大30秒のオーディオに対応、推奨ステップ数は50)、「生成音频」をクリックすると、オーディオが右側に表示されます。

- 再生ボタンをクリックしてオーディオを試聴し、右上隅のダウンロードボタンをクリックして指定フォルダに保存します。

オーディオ生成例
- 雨音(The sound of rain.)
- 人の口笛と自然の鳥のさえずり(The whistles of man and the birds of nature.)
- ピアノの演奏音(The sound of piano playing.)
オープンソースリポジトリ