正在加载
近 7 天语音专区 1 条动态。正在追踪 29 个 AI 信源，数据更新于 10月30日 23:00。
用语音 LM 直接从语音估计 surprisal，绕过转写文本瓶颈。
两项研究检验熟人克隆声音是否把人格印象迁移到虚拟角色。
利用预训练语音编码器中的语言选择性维度直接从语音检测语码转换。
提出 NASMT 任务，并用可流式 Transformer 控制对应性与音乐性。
将 ALE 逐帧置信图直接注入 Transformer 注意力与特征调制。
在真实噪声、混响和背景音乐中统一编辑语音与歌声。
SoniGAN 从文本合成静默发音的超声回声作为训练监督。
面向全能模型评测符号乐谱与音频音乐理解能力。
用端点奖励对齐 Flow Matching 模型的波形级与感知质量目标。
用VQ token规划结合连续语义流模型提升整首歌生成质量。
研究发现和声决策在中层后逐步局部化并可用于生成控制。
用音乐元素分类体系提升文本到钢琴 MIDI 的可控生成。
将上混建模为基于预训练流先验的生成式逆问题。
用无监督时空约束改进跨房间说话人聚类与链接。