超快音效生成模型TangoFlux:仅需3秒钟就能生成30秒长音频

　　TANGOFLUX是一款革命性的文本音频生成模型，能够在短短3.7秒内生成高达30秒的高质量音频，展现出卓越的性能和效率。该模型不仅能够生成各种音效，如鸟鸣和口哨声，还引入了一种新的优化框架CLAP-Ranked Preference Optimization(CRPO)，以提升生成音频的质量和对齐性能。

　　TANGOFLUX是一款高效的文本音频生成模型，能够在3.7秒内生成30秒的高质量音频。

　　提出了CLAP-Ranked Preference Optimization(CRPO)框架，以优化模型性能和音频偏好数据。

　　所有代码和模型已开源，旨在推动文本音频生成的研究与应用。