# 科大讯飞开源10亿参数音频生成模型AudioFly：文本秒生44.1kHz高清音效，多场景创作利器

- Link: https://paooo.com/aigc-news/13532/
- Published: 2026-06-20T16:12:22+08:00
- Author: Prompt 语宙研究院

> **💡 站外导读：**在AIGC浪潮席卷内容创作的今天，视频、游戏、有声内容对高质量、高
> 效率的音效需求激增。然而，传统音效制作依赖人工，成本高、周期长，难以匹配快节奏
> 的创作需求。科大讯飞开源的AudioFly模型，正瞄准这一核心痛点。它基于前沿的潜在扩散
> 模型架构，通过海量数据训练，实现了从文本到高保真音效的端到端生成，将音效创作从“
> 人工采买”推向“AI按需生成”的新阶段。

## AudioFly是什么

AudioFly 是科大讯飞开源的文本生成音效的AI模型。模型用潜在扩散模型架构，拥有10亿参数，
通过大量开放数据集（如AudioSet、AudioCaps、TUT）及内部专有数据训练而成。AudioFly
能根据文本描述生成高质量音频，采样率高达44.1kHz，生成的音效与文本描述高度匹配。模型
在单事件和多事件场景下均表现出色，在AudioCaps数据集上性能卓越，超越以往的音频生成
模型。AudioFly 适用短视频配音、有声故事生成等领域，为声音创作带来无限可能。

阅读目录

 * [AudioFly是什么](https://paooo.com/aigc-news/13532/#audiofly%e6%98%af%e4%bb%80%e4%b9%88)
 * [AudioFly的主要功能](https://paooo.com/aigc-news/13532/#audiofly%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [AudioFly的技术原理](https://paooo.com/aigc-news/13532/#audiofly%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [AudioFly的项目地址](https://paooo.com/aigc-news/13532/#audiofly%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [AudioFly的应用场景](https://paooo.com/aigc-news/13532/#audiofly%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13532/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![AudioFly](https://paooo.com/wp-content/uploads/2026/05/AudioFly-website-1-1.avif)

## AudioFly的主要功能

 * **文本到音效生成**：根据用户输入的文本描述生成对应的音效。例如，输入“雷声在远处
   轰鸣”，模型能生成相应的雷声音效。
 * **高质量音频输出**：生成的音频采样率为44.1kHz，音质清晰，适合多种应用场景。
 * **多场景支持**：支持单事件（如“狗叫”）和多事件（如“狗叫和风声”）场景的音效生成，
   能准确反映描述内容。
 * **高效生成**：基于先进的扩散模型架构，生成过程高效，能快速响应用户需求。

## AudioFly的技术原理

 * **潜在扩散模型（LDM）架构**：AudioFly 用潜在扩散模型架构，一种基于深度学习的生成
   模型。模型通过逐步去除噪声生成目标音频，类似于图像生成中的扩散过程。
 * **大规模数据训练**：模型在大量开放数据集（如 AudioSet、AudioCaps、TUT）及内部
   专有数据上进行训练，数据涵盖各种音效和场景，使模型能生成多样化的音效。
 * **特征对齐**：通过优化模型的训练目标，确保生成的音频在特征上与真实音频高度一致，
   同时在内容上与文本描述紧密对齐。

## AudioFly的项目地址

 * **魔搭社区**：https://modelscope.cn/models/iflytek/AudioFly

## AudioFly的应用场景

 * **短视频配音**：为短视频快速生成匹配的音效，提升视频的吸引力和沉浸感。
 * **有声故事创作**：根据文字内容生成音效，增强故事的氛围和情感表达。
 * **影视音效制作**：辅助影视制作团队快速生成所需的音效，提高制作效率。
 * **游戏音效设计**：为游戏场景生成实时音效，增强玩家的沉浸感和体验。
 * **广告与营销**：为广告视频或音频内容生成定制音效，提升广告的吸引力和记忆点。

#### 📝 站长洞察 (Editor’s Insight)

AudioFly的开源，标志着[AIGC](https://paooo.com/aigc-news/)在音频领域的应用正从“语音
合成”向更广泛的“场景化音效生成”深度拓展。其10亿参数规模与44.1kHz的高保真输出，展现
了工业级音频生成模型的可行性。这不仅是技术里程碑，更是内容创作工作流的革新信号。
未来，音效将不再是稀缺资源，而成为可被AI精准、批量定制的“数字水电煤”。结合大语言
模型对文本意图的理解，AudioFly这类模型将与视觉生成AI深度融合，催生出真正“文生视频”
时代下，音画同步的智能创作生态。对于开发者和创作者而言，抢占音效生成的工具链与应用
入口，将成为下一个价值高地。

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/13532/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)