DiffRhythm é um modelo inovador de geração de música que utiliza a tecnologia de difusão latente para gerar músicas completas de forma rápida e de alta qualidade. Essa tecnologia supera as limitações dos métodos tradicionais de geração de música, sem exigir arquiteturas complexas de várias etapas e preparação de dados complexa. Apenas a letra e dicas de estilo são necessárias para gerar músicas completas de até 4 minutos e 45 segundos em pouco tempo. Sua estrutura não auto-regressiva garante uma velocidade de inferência rápida, melhorando significativamente a eficiência e a escalabilidade da composição musical. O modelo foi desenvolvido conjuntamente pelo grupo de processamento de áudio, voz e linguagem (ASLP@NPU) da Universidade de Tecnologia do Noroeste e pelo Instituto de Big Data da Universidade Chinesa de Hong Kong (Shenzhen), com o objetivo de fornecer uma solução simples, eficiente e criativa para a composição musical.