本文介绍了一种实时音频变分自动编码器（RAVE），能够快速高质量合成音频波形。该模型通过多频段分解和后训练分析，实现音质转换和信号压缩，表现优于现有模型。同时，研究探讨了变分自编码器在音频生成中的应用，并提出多种优化声音设计的策略。