DiffRhythm ist ein innovatives Modell zur Musikgenerierung, das mithilfe der latenten Diffusionstechnologie eine schnelle und qualitativ hochwertige Generierung ganzer Musikstücke ermöglicht. Diese Technologie überwindet die Grenzen traditioneller Methoden zur Musikgenerierung. Ohne komplexe mehrstufige Architekturen und aufwendige Datenvorbereitung können mit nur Liedtext und Style-Hinweisen in kurzer Zeit vollständige Songs mit einer Länge von bis zu 4 Minuten und 45 Sekunden erstellt werden. Die nicht-autoregressive Struktur gewährleistet eine schnelle Inferenzgeschwindigkeit und steigert die Effizienz und Skalierbarkeit der Musikproduktion erheblich. Das Modell wurde gemeinsam vom Audio-, Sprach- und Sprachverarbeitungs-Team (ASLP@NPU) der Northwestern Polytechnical University und dem Big Data Institute der Chinese University of Hong Kong (Shenzhen) entwickelt und soll eine einfache, effiziente und kreative Lösung für die Musikproduktion bieten.