该文综述音频生成研究进展，包括：提出Make-an-Audio 2提升语义与时间一致性；采用Flan-T5编码器增强训练；开发基于音频自编码器和潜在扩散的可控音轨生成系统以实现音色控制；提出扩散模型精细控制时间、音高与能量；Foley声音生成系统在DCASE 2023任务7夺冠；以及级联潜在扩散生成高质量立体声音乐。