余一叶知秋尽

文生音频 - AI Diffusion

请输入详细的音频描述，包括音色、节奏、风格等要素。

提示词

负面提示词

生成步数

步数越多，细节越丰富，但生成时间越长，建议值：20-40

提示引导强度（CFG Scale）

值越高，越严格遵循提示词，建议值：5.0-10.0

1-3：非常弱的提示引导，图像更"自由"，可能偏离提示，但风格更自然、有创意。实验性创作、抽象艺术、想获得意外效果时

4 ~ 7推荐范围（平衡点）：提示有明显影响，同时保留自然细节和多样性。大多数通用场景，如人物、风景、插画等

8 ~ 12：强烈遵循提示，细节更贴合文字，但可能出现过度锐化、不自然或伪影。需要精确控制构图、文字、物体位置的场景

13 ~ 20+：极强引导，极易产生"过拟合"：色彩怪异、结构扭曲、纹理重复、噪点增多。仅用于极端需求，如特定品牌Logo、复杂文字渲染（慎用）

采样算法

选择用于生成音频的采样算法，不同的算法会产生不同的效果和速度。

Euler：基础算法，适合大多数场景，生成速度快

DPM++ 2M：高质量算法，平衡速度和质量

DPM++ 3M SDE：高质量算法，适合需要精细细节的场景

DPM++ 3M SDE GPU：GPU优化版本，速度更快

音频时长（秒）

音频时长，建议值：10-30秒

生成数量

生成的音频数量，最多5个，建议值：1

← 返回首页

我的任务