Riffusion 的原理非常有意思，它不是直接生成音频，而是把声音变成“图片（频谱图）”，然后用 Stable Diffusion 这种画图模型来生成频谱图，最后再转回声音。

提米哥觉得它生成的音乐有一种独特的“梦幻感”和“Lo-Fi（低保真）”感。虽然它生成的音乐结构可能不如 Suno 那么完整，但非常适合做那种氛围感强的背景音乐。而且它是开源的，你可以看到很多极客在上面二改的有趣项目，是 AI 音乐技术探索的一个重要分支。