Text-to-Audio

Общее название семейства задач, где на вход подаётся текст, а на выходе генерируется аудио, соответствующее этому описанию. К text-to-audio относятся не только классический синтез речи (TTS), но и генерация звуковых эффектов или музыки по текстовым подсказкам; современные модели (например, AudioGen, MusicLM) начинают осваивать эти направления, создавая звуковое сопровождение или музыку из текстового сценария.