一种基于偏好优化的音频生成方法

本发明公开了一种基于偏好优化的音频生成方法，属于人工智能与音频生成技术领域，其包括如下步骤：S1、输入音频：采用音频VAE把任一音频变为音频特征；S2、输入文本描述：采用预训练模型提取文本特征；S3、特征拼接：将音频特征和文本特征拼接后输入大模型，并训练，生成第一阶段训练的音频大模型；S4、候选音频生成：输入音乐类的文本描述，经过第一阶段训练的音频大模型，生成N个音频；S5、相似度对比；S6、模型迭代；S7、音频生成。本发明通过两阶段训练框架，本发明在预训练阶段利用大规模公开数据学习音频生成基础能力，在微调阶段通过强化学习直接优化人类偏好指标。