深入解析 Diffusers 中的 LongCat-AudioDiT美团 LongCat 文本生成音频流水线实战指南【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers本篇文章围绕 Diffusers 仓库中LongCatAudioDiTPipeline这一文本到音频text-to-audio扩散流水线展开详细讲解其模型结构、加载方式、核心调用参数、时长控制机制与源码级实现原理并给出可直接复制运行的推理示例与常见技巧。读完本文你将掌握如何通过标准DiffusionPipeline接口加载并驱动 LongCat-AudioDiT按需控制音频时长、复现生成结果、处理输出波形并结合仓库源码理解其基于 Flow Matching 的扩散去噪流程。LongCat-AudioDiT 是什么LongCat-AudioDiT 是由美团 LongCat 团队开发的文本到音频扩散模型Diffusers 社区在其参考实现的基础上完成了官方集成向用户暴露了一个标准的DiffusionPipeline接口用于文本条件text-conditioned的音频生成。该流水线支持两种加载来源本地目录包含text_encoder/、transformer/、vae/、tokenizer/、scheduler/五个子文件夹的 Diffusers 格式目录Hugging Face Hub 仓库同样需要满足上述 Diffusers 目录结构。从官方说明可知其完整模型名称为LongCat-AudioDiT-1B约 10 亿参数级别社区中可直接加载的 Diffusers 格式仓库为ruixiangma/LongCat-AudioDiT-1B-Diffusers在文档与源码的示例中均使用该仓库名。在仓库中该流水线由以下文件共同组成组件仓库相对路径流水线实现pipeline_longcat_audio_dit.pyTransformerDiT 主干transformer_longcat_audio_dit.pyVAE音频编解码器autoencoder_longcat_audio_dit.py流水线测试test_longcat_audio_dit.py顶层 API 入口位于 src/diffusers/init.pyLongCatAudioDiTPipeline、LongCatAudioDiTTransformer、LongCatAudioDiTVae均可以从diffusers包直接导入。快速开始一行代码生成音频官方文档给出了一个最小可运行的推理示例。以下代码基于 pipeline_longcat_audio_dit.py 中的EXAMPLE_DOC_STRING与文档 Usage 小节整理完整覆盖了加载、推理、保存三个步骤import soundfile as sf import torch from diffusers import LongCatAudioDiTPipeline pipeline LongCatAudioDiTPipeline.from_pretrained( ruixiangma/LongCat-AudioDiT-1B-Diffusers, dtypetorch.float16, ) pipeline pipeline.to(cuda) # 也支持 mps、xpu、cpu prompt A calm ocean wave ambience with soft wind in the background. audio pipeline( prompt, audio_duration_s5.0, num_inference_steps16, guidance_scale4.0, generatortorch.Generator(cuda).manual_seed(42), ).audios[0, 0] sf.write(longcat.wav, audio, pipeline.sample_rate)几个值得注意的细节from_pretrained支持dtypetorch.float16半精度加载以节省显存如需离线加载可参考集成测试 test_longcat_audio_dit.py 中local_files_onlyTrue的用法测试还会通过环境变量LONGCAT_AUDIO_DIT_MODEL_PATH、LONGCAT_AUDIO_DIT_TOKENIZER_PATH指向本地权重目录推理输出为AudioPipelineOutput对象其audios张量形状为(batch, channels, samples)因此.audios[0, 0]取出的是第一个样本的单声道波形pipeline.sample_rate属性默认 24000取自 VAE 配置作为sf.write的采样率参数保证写出的 WAV 文件可被正常播放。深入理解流水线内部结构五大核心组件LongCatAudioDiTPipeline.__init__见 pipeline_longcat_audio_dit.py通过register_modules注册了五个组件vaeLongCatAudioDiTVae一维卷积自编码器负责波形与潜在表示之间的编解码。默认配置下sample_rate24000、downsampling_ratio2048、latent_dim64即每秒音频对应约24000 / 2048 ≈ 11.7个潜在帧text_encoderUMT5EncoderModel基于 UMT5 的文本编码器将提示词编码为条件向量tokenizer与 UMT5 配套的分词器transformerLongCatAudioDiTTransformer扩散主干 DiT 模型默认dit_dim1536、dit_depth24见 transformer_longcat_audio_dit.pyschedulerFlowMatchEulerDiscreteSchedulerFlow Matching 调度器。若未显式传入流水线会自动构造FlowMatchEulerDiscreteScheduler(shift1.0, invert_sigmasTrue)。__init__同时从 VAE 配置中提取sample_rate默认 24000与downsampling_ratio默认 2048从 Transformer 配置中提取latent_dim默认 64并设置了max_wav_duration 30.0的时长上限。从文本到条件的编码流程encode_promptpipeline_longcat_audio_dit.py实现了条件编码分词器按model_max_length默认 512对提示词做paddinglongest与truncationTrue处理UMT5EncoderModel在torch.no_grad()下编码取last_hidden_state作为prompt_embeds启用text_norm_feat时对嵌入做 LayerNormeps1e-6归一化启用text_add_embed时叠加第一层隐藏状态hidden_states[0]同样先归一化得到最终条件向量同时根据 attention mask 计算每个提示词的真实长度lengths用于后续构造文本掩码。调用__call__前所有提示词还会经过_normalize_textpipeline_longcat_audio_dit.py做小写化、引号替换与空白压缩的归一化处理。DiT 主干与 VAE 的实现要点从源码结构看Transformer 内部组合了多种现代网络构件transformer_longcat_audio_dit.pyAudioDiTSinusPositionEmbedding/AudioDiTTimestepEmbedding时间步的正弦位置编码与 MLP 投影AudioDiTRotaryEmbedding_apply_rotary_emb旋转位置编码RoPEbase100000并通过lru_cache_unless_export(maxsize128)缓存预计算的 cos/sin 表AudioDiTGRN基于 L2 范数的全局响应归一化AudioDiTConvNeXtV2Block一维深度可分离卷积Conv1dgroupsdim LayerNorm 逐点卷积 SiLU GRN 的 ConvNeXt V2 风格残差块注意力模块挂接AttentionModuleMixin/dispatch_attention_fn可复用 Diffusers 的注意力分发与优化机制。VAE 侧autoencoder_longcat_audio_dit.py则大量使用weight_norm包裹的一维卷积_wn_conv1d/_wn_conv_transpose1d、Snake 周期激活函数Snake1d、一维 pixel shuffle_pixel_shuffle_1d以及DownsampleShortcut/UpsampleShortcut快捷连接构成波形↔潜在空间的编解码通路。需要留意的是测试注释明确指出该 VAE 使用了torch.nn.utils.weight_norm与顺序 CPU offload 不兼容因此 test_longcat_audio_dit.py 中相关的顺序卸载测试被显式跳过。核心参数详解__call__方法的完整参数签名pipeline_longcat_audio_dit.py如下参数类型默认值说明promptstr/list[str]必填引导音频生成的提示词支持批量列表negative_promptstr/list[str]None无分类器引导CFG的负向提示词不传则使用零嵌入作为无条件条件audio_duration_sfloatNone目标音频时长秒最直接的时长控制方式提供latents时被忽略latentstorch.TensorNone预生成的噪声潜在表示形状(batch_size, duration, latent_dim)duration为潜在帧数num_inference_stepsint16去噪步数guidance_scalefloat4.0CFG 引导强度 1.0时不做引导generatortorch.Generator/list[...]None随机数生成器支持列表实现逐样本复现output_typestrnp输出格式npnumpy、pttorch 张量或latent返回潜在表示return_dictboolTrue是否返回AudioPipelineOutput为False时返回元组(waveform,)callback_on_step_endCallableNone每个去噪步结束时回调签名见下callback_on_step_end_tensor_inputslist[latents]传给回调的张量输入允许值限定为[latents, prompt_embeds]参数校验逻辑集中在check_inputspipeline_longcat_audio_dit.py提示词列表不能为空、output_type仅支持三种枚举值、回调张量输入必须属于_callback_tensor_inputs、负向提示词数量需与提示词批大小一致。时长如何被决定三条路径流水线的时长计算pipeline_longcat_audio_dit.py遵循以下优先级显式传入latents潜在帧数直接取latents.shape[1]指定audio_duration_s潜在帧数 int(audio_duration_s * sample_rate // vae_scale_factor)即audio_duration_s × 24000 ÷ 2048与测试配置中“0.1 秒在 24 kHz 采样率下的波形长度”的推导方式一致两者都未提供调用_approx_duration_from_text根据提示词文本估算时长——英文按每字符约0.082秒、中文按每字符约0.21秒累计pipeline_longcat_audio_dit.py。无论哪条路径时长都会被钳制在[1, max_wav_duration]帧范围内即最长 30 秒。因此audio_duration_s是控制输出时长最直接、最推荐的方式。潜在噪声与去噪循环prepare_latentspipeline_longcat_audio_dit.py校验用户传入的latents形状三维、批大小匹配、latent_dim匹配否则通过randn_tensor采样形状为(batch_size, duration, latent_dim)的高斯噪声若传入生成器列表其长度必须等于批大小。去噪循环pipeline_longcat_audio_dit.py的核心逻辑为构造均匀分布的 sigma 网格linspace(1.0, 1.0 / num_inference_steps, num_inference_steps)通过scheduler.set_timesteps(sigmassigmas, devicedevice)设置时间步——测试 test_uniform_flow_match_scheduler_grid_matches_manual_updates 专门验证了该网格与手工 Euler 更新的数学等价性每步把当前时间步归一化到[0, 1]区间除以num_train_timesteps连同潜在表示、文本条件、文本掩码、时长掩码与latent_cond全零条件张量喂给 Transformer 预测噪声当guidance_scale 1.0时额外用零嵌入作为无条件条件再做一次前向并按pred null_pred (pred - null_pred) * guidance_scale做 CFG 组合调用scheduler.step完成 Euler 去噪更新若注册了callback_on_step_end则将latents、prompt_embeds等张量打包传给回调并允许回调改写latents与prompt_embeds参与后续步骤。去噪完成后按output_type分支latent直接返回潜在表示否则由 VAE 解码先permute(0, 2, 1)调整维度得到波形np模式再转为 CPU 上的 float32 numpy 数组最终封装为AudioPipelineOutput(audioswaveform)。实用技巧与注意事项官方文档 Tips 小节给出了以下三条高频使用经验结合源码可进一步理解其原理用audio_duration_s控制时长这是最直接的时长控制参数且优先于文本估算逻辑避免输出长度随提示词字数波动用固定种子复现结果generatortorch.Generator(cuda).manual_seed(42)设备需与流水线所在设备一致。prepare_latents的噪声采样完全由该生成器驱动固定种子即可得到可复现的音频输出形状与声道audios形状为(batch, channels, samples)取单个样本用.audios[0, 0]流水线输出单声道1 通道音频若需要立体声可复制声道audio.unsqueeze(0).repeat(1, 2, 1)。此外还有几点来自源码与测试的补充建议批处理时传入list[str]提示词流水线会为每个提示词生成一个样本negative_prompt列表长度必须与提示词一致如需查看中间去噪状态可借助callback_on_step_end与callback_on_step_end_tensor_inputs默认传latents也可扩展为prompt_embeds内存敏感场景可关注流水线声明的model_cpu_offload_seq text_encoder-transformer-vaepipeline_longcat_audio_dit.py但需注意 VAE 的weight_norm使顺序卸载在当前版本中不可用测试 test_longcat_audio_dit.py 已对相关用例标注跳过模型最大支持 30 秒音频max_wav_duration 30.0超出部分会被自动钳制。结语LongCat-AudioDiT 的 Diffusers 集成把美团 LongCat 的文本到音频扩散模型封装进了标准DiffusionPipeline生态一次from_pretrained即可获得由 UMT5 文本编码器、Flow Matching 调度器、1D VAE 与 DiT 主干组成的完整链路audio_duration_s、guidance_scale、num_inference_steps等参数让用户得以精细控制生成结果。无论是快速体验参考文档示例还是深入二次开发阅读 pipeline_longcat_audio_dit.py 与 test_longcat_audio_dit.py本文梳理的调用方式与源码脉络都能作为可靠的起点。【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
深入解析 Diffusers 中的 LongCat-AudioDiT：美团 LongCat 文本生成音频流水线实战指南
深入解析 Diffusers 中的 LongCat-AudioDiT美团 LongCat 文本生成音频流水线实战指南【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers本篇文章围绕 Diffusers 仓库中LongCatAudioDiTPipeline这一文本到音频text-to-audio扩散流水线展开详细讲解其模型结构、加载方式、核心调用参数、时长控制机制与源码级实现原理并给出可直接复制运行的推理示例与常见技巧。读完本文你将掌握如何通过标准DiffusionPipeline接口加载并驱动 LongCat-AudioDiT按需控制音频时长、复现生成结果、处理输出波形并结合仓库源码理解其基于 Flow Matching 的扩散去噪流程。LongCat-AudioDiT 是什么LongCat-AudioDiT 是由美团 LongCat 团队开发的文本到音频扩散模型Diffusers 社区在其参考实现的基础上完成了官方集成向用户暴露了一个标准的DiffusionPipeline接口用于文本条件text-conditioned的音频生成。该流水线支持两种加载来源本地目录包含text_encoder/、transformer/、vae/、tokenizer/、scheduler/五个子文件夹的 Diffusers 格式目录Hugging Face Hub 仓库同样需要满足上述 Diffusers 目录结构。从官方说明可知其完整模型名称为LongCat-AudioDiT-1B约 10 亿参数级别社区中可直接加载的 Diffusers 格式仓库为ruixiangma/LongCat-AudioDiT-1B-Diffusers在文档与源码的示例中均使用该仓库名。在仓库中该流水线由以下文件共同组成组件仓库相对路径流水线实现pipeline_longcat_audio_dit.pyTransformerDiT 主干transformer_longcat_audio_dit.pyVAE音频编解码器autoencoder_longcat_audio_dit.py流水线测试test_longcat_audio_dit.py顶层 API 入口位于 src/diffusers/init.pyLongCatAudioDiTPipeline、LongCatAudioDiTTransformer、LongCatAudioDiTVae均可以从diffusers包直接导入。快速开始一行代码生成音频官方文档给出了一个最小可运行的推理示例。以下代码基于 pipeline_longcat_audio_dit.py 中的EXAMPLE_DOC_STRING与文档 Usage 小节整理完整覆盖了加载、推理、保存三个步骤import soundfile as sf import torch from diffusers import LongCatAudioDiTPipeline pipeline LongCatAudioDiTPipeline.from_pretrained( ruixiangma/LongCat-AudioDiT-1B-Diffusers, dtypetorch.float16, ) pipeline pipeline.to(cuda) # 也支持 mps、xpu、cpu prompt A calm ocean wave ambience with soft wind in the background. audio pipeline( prompt, audio_duration_s5.0, num_inference_steps16, guidance_scale4.0, generatortorch.Generator(cuda).manual_seed(42), ).audios[0, 0] sf.write(longcat.wav, audio, pipeline.sample_rate)几个值得注意的细节from_pretrained支持dtypetorch.float16半精度加载以节省显存如需离线加载可参考集成测试 test_longcat_audio_dit.py 中local_files_onlyTrue的用法测试还会通过环境变量LONGCAT_AUDIO_DIT_MODEL_PATH、LONGCAT_AUDIO_DIT_TOKENIZER_PATH指向本地权重目录推理输出为AudioPipelineOutput对象其audios张量形状为(batch, channels, samples)因此.audios[0, 0]取出的是第一个样本的单声道波形pipeline.sample_rate属性默认 24000取自 VAE 配置作为sf.write的采样率参数保证写出的 WAV 文件可被正常播放。深入理解流水线内部结构五大核心组件LongCatAudioDiTPipeline.__init__见 pipeline_longcat_audio_dit.py通过register_modules注册了五个组件vaeLongCatAudioDiTVae一维卷积自编码器负责波形与潜在表示之间的编解码。默认配置下sample_rate24000、downsampling_ratio2048、latent_dim64即每秒音频对应约24000 / 2048 ≈ 11.7个潜在帧text_encoderUMT5EncoderModel基于 UMT5 的文本编码器将提示词编码为条件向量tokenizer与 UMT5 配套的分词器transformerLongCatAudioDiTTransformer扩散主干 DiT 模型默认dit_dim1536、dit_depth24见 transformer_longcat_audio_dit.pyschedulerFlowMatchEulerDiscreteSchedulerFlow Matching 调度器。若未显式传入流水线会自动构造FlowMatchEulerDiscreteScheduler(shift1.0, invert_sigmasTrue)。__init__同时从 VAE 配置中提取sample_rate默认 24000与downsampling_ratio默认 2048从 Transformer 配置中提取latent_dim默认 64并设置了max_wav_duration 30.0的时长上限。从文本到条件的编码流程encode_promptpipeline_longcat_audio_dit.py实现了条件编码分词器按model_max_length默认 512对提示词做paddinglongest与truncationTrue处理UMT5EncoderModel在torch.no_grad()下编码取last_hidden_state作为prompt_embeds启用text_norm_feat时对嵌入做 LayerNormeps1e-6归一化启用text_add_embed时叠加第一层隐藏状态hidden_states[0]同样先归一化得到最终条件向量同时根据 attention mask 计算每个提示词的真实长度lengths用于后续构造文本掩码。调用__call__前所有提示词还会经过_normalize_textpipeline_longcat_audio_dit.py做小写化、引号替换与空白压缩的归一化处理。DiT 主干与 VAE 的实现要点从源码结构看Transformer 内部组合了多种现代网络构件transformer_longcat_audio_dit.pyAudioDiTSinusPositionEmbedding/AudioDiTTimestepEmbedding时间步的正弦位置编码与 MLP 投影AudioDiTRotaryEmbedding_apply_rotary_emb旋转位置编码RoPEbase100000并通过lru_cache_unless_export(maxsize128)缓存预计算的 cos/sin 表AudioDiTGRN基于 L2 范数的全局响应归一化AudioDiTConvNeXtV2Block一维深度可分离卷积Conv1dgroupsdim LayerNorm 逐点卷积 SiLU GRN 的 ConvNeXt V2 风格残差块注意力模块挂接AttentionModuleMixin/dispatch_attention_fn可复用 Diffusers 的注意力分发与优化机制。VAE 侧autoencoder_longcat_audio_dit.py则大量使用weight_norm包裹的一维卷积_wn_conv1d/_wn_conv_transpose1d、Snake 周期激活函数Snake1d、一维 pixel shuffle_pixel_shuffle_1d以及DownsampleShortcut/UpsampleShortcut快捷连接构成波形↔潜在空间的编解码通路。需要留意的是测试注释明确指出该 VAE 使用了torch.nn.utils.weight_norm与顺序 CPU offload 不兼容因此 test_longcat_audio_dit.py 中相关的顺序卸载测试被显式跳过。核心参数详解__call__方法的完整参数签名pipeline_longcat_audio_dit.py如下参数类型默认值说明promptstr/list[str]必填引导音频生成的提示词支持批量列表negative_promptstr/list[str]None无分类器引导CFG的负向提示词不传则使用零嵌入作为无条件条件audio_duration_sfloatNone目标音频时长秒最直接的时长控制方式提供latents时被忽略latentstorch.TensorNone预生成的噪声潜在表示形状(batch_size, duration, latent_dim)duration为潜在帧数num_inference_stepsint16去噪步数guidance_scalefloat4.0CFG 引导强度 1.0时不做引导generatortorch.Generator/list[...]None随机数生成器支持列表实现逐样本复现output_typestrnp输出格式npnumpy、pttorch 张量或latent返回潜在表示return_dictboolTrue是否返回AudioPipelineOutput为False时返回元组(waveform,)callback_on_step_endCallableNone每个去噪步结束时回调签名见下callback_on_step_end_tensor_inputslist[latents]传给回调的张量输入允许值限定为[latents, prompt_embeds]参数校验逻辑集中在check_inputspipeline_longcat_audio_dit.py提示词列表不能为空、output_type仅支持三种枚举值、回调张量输入必须属于_callback_tensor_inputs、负向提示词数量需与提示词批大小一致。时长如何被决定三条路径流水线的时长计算pipeline_longcat_audio_dit.py遵循以下优先级显式传入latents潜在帧数直接取latents.shape[1]指定audio_duration_s潜在帧数 int(audio_duration_s * sample_rate // vae_scale_factor)即audio_duration_s × 24000 ÷ 2048与测试配置中“0.1 秒在 24 kHz 采样率下的波形长度”的推导方式一致两者都未提供调用_approx_duration_from_text根据提示词文本估算时长——英文按每字符约0.082秒、中文按每字符约0.21秒累计pipeline_longcat_audio_dit.py。无论哪条路径时长都会被钳制在[1, max_wav_duration]帧范围内即最长 30 秒。因此audio_duration_s是控制输出时长最直接、最推荐的方式。潜在噪声与去噪循环prepare_latentspipeline_longcat_audio_dit.py校验用户传入的latents形状三维、批大小匹配、latent_dim匹配否则通过randn_tensor采样形状为(batch_size, duration, latent_dim)的高斯噪声若传入生成器列表其长度必须等于批大小。去噪循环pipeline_longcat_audio_dit.py的核心逻辑为构造均匀分布的 sigma 网格linspace(1.0, 1.0 / num_inference_steps, num_inference_steps)通过scheduler.set_timesteps(sigmassigmas, devicedevice)设置时间步——测试 test_uniform_flow_match_scheduler_grid_matches_manual_updates 专门验证了该网格与手工 Euler 更新的数学等价性每步把当前时间步归一化到[0, 1]区间除以num_train_timesteps连同潜在表示、文本条件、文本掩码、时长掩码与latent_cond全零条件张量喂给 Transformer 预测噪声当guidance_scale 1.0时额外用零嵌入作为无条件条件再做一次前向并按pred null_pred (pred - null_pred) * guidance_scale做 CFG 组合调用scheduler.step完成 Euler 去噪更新若注册了callback_on_step_end则将latents、prompt_embeds等张量打包传给回调并允许回调改写latents与prompt_embeds参与后续步骤。去噪完成后按output_type分支latent直接返回潜在表示否则由 VAE 解码先permute(0, 2, 1)调整维度得到波形np模式再转为 CPU 上的 float32 numpy 数组最终封装为AudioPipelineOutput(audioswaveform)。实用技巧与注意事项官方文档 Tips 小节给出了以下三条高频使用经验结合源码可进一步理解其原理用audio_duration_s控制时长这是最直接的时长控制参数且优先于文本估算逻辑避免输出长度随提示词字数波动用固定种子复现结果generatortorch.Generator(cuda).manual_seed(42)设备需与流水线所在设备一致。prepare_latents的噪声采样完全由该生成器驱动固定种子即可得到可复现的音频输出形状与声道audios形状为(batch, channels, samples)取单个样本用.audios[0, 0]流水线输出单声道1 通道音频若需要立体声可复制声道audio.unsqueeze(0).repeat(1, 2, 1)。此外还有几点来自源码与测试的补充建议批处理时传入list[str]提示词流水线会为每个提示词生成一个样本negative_prompt列表长度必须与提示词一致如需查看中间去噪状态可借助callback_on_step_end与callback_on_step_end_tensor_inputs默认传latents也可扩展为prompt_embeds内存敏感场景可关注流水线声明的model_cpu_offload_seq text_encoder-transformer-vaepipeline_longcat_audio_dit.py但需注意 VAE 的weight_norm使顺序卸载在当前版本中不可用测试 test_longcat_audio_dit.py 已对相关用例标注跳过模型最大支持 30 秒音频max_wav_duration 30.0超出部分会被自动钳制。结语LongCat-AudioDiT 的 Diffusers 集成把美团 LongCat 的文本到音频扩散模型封装进了标准DiffusionPipeline生态一次from_pretrained即可获得由 UMT5 文本编码器、Flow Matching 调度器、1D VAE 与 DiT 主干组成的完整链路audio_duration_s、guidance_scale、num_inference_steps等参数让用户得以精细控制生成结果。无论是快速体验参考文档示例还是深入二次开发阅读 pipeline_longcat_audio_dit.py 与 test_longcat_audio_dit.py本文梳理的调用方式与源码脉络都能作为可靠的起点。【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
