JEN-1是一种高保真度的文本到音乐生成模型，结合自回归和非自回归技术，支持多种音乐生成任务。通过课程培训策略，模型能够灵活生成多轨音乐，展现出优越的可控性和音乐质量。此外，研究探讨了个性化文本到音乐扩散模型的效果，并提出多种创新方法以提升音乐创作的灵活性和质量。

该文综述扩散模型在音频及相关领域的多项研究：改进一致性蒸馏实现单次查询TTA，查询减少400倍；提出TransFusion用于语音识别；Diff-TTS非自回归语音合成，比实时快28倍；级联潜在扩散生成文本到立体声音乐；Bridge-TTS以确定性先验替代高斯先验；文本生成加速100至200倍；DITTO-NeRF由文本或单图生成3D NeRF；HiFi Tuner提升个性化图像生成保真度；CDCD损失增强条件生成对应性；文本到音乐模型结合节拍同步数据增强提升质量与多样性。