音频生成方法、装置、设备、存储介质及程序产品

本申请公开了一种音频生成方法、装置、设备、存储介质及程序产品，涉及人工智能技术领域。该方法包括：获取用户输入的全局条件和P个段落条件；将全局条件编码为第三词元序列；将P个段落条件编码为第四词元序列，得到P个第四词元序列；通过音频生成模型，根据第三词元序列和P个第四词元序列，生成输出序列；将输出序列中的音频词元解码为音频信号。采用上述方法，用户可以在指定音频生成的整体要求后，为每个段落独立指定情绪、乐器编排、动态音量等段落级要求，从而使得最终得到的音频信号形成具有丰富结构和变化的音乐作品。