audio generation | BriefGPT

关键词audio generation

搜索结果 - 29

AudioLM：一种语言建模方法用于音频生成
AudioLM 是一个高质量的音频生成框架，它通过将输入音频映射为离散令牌序列，并在该表示空间中将音频生成视为一种语言建模任务。我们提出了一种混合标记方案，以实现重建质量和长期结构两个目标，并通过大量的音频波形语料库进行了训练，使其可以生成
PDF2 years ago
ICML利用复数多项式网络的对抗性音频合成
利用 APOLLO 多项式复数网络，在语音合成中自然地整合了复数值的时频表示，并通过标准张量分解来实现不同的结构，实现更丰富的相关性建模，同时提高 SC09 数据集上的音频生成性能。
PDF2 years ago
MMA-Muze-Net：基于生成的旋律编排和声进行音乐生成
本文提出了一种基于神经网络的方法，用于生成钢琴音乐的 Midi 文件。该方法使用两个网络分别生成左右手的音符，其中左手取决于右手。Midi 文件以一种对音乐音阶不变的方式呈现，旨在通过将每个小节视为和弦的内容来表示旋律，从而调节和弦。最后，
PDF3 years ago
CVPR无需双耳音频的视觉辅助双耳音频生成
本文提出了一种无需立体声录音的有效 PseudoBinaural 管道，通过手动放置声音源位置的相应视觉线索形成假的视觉立体对来训练模型，同时利用头部相关冲击响应（HRIR）对空间位置和接收到的立体声音频之间的关系进行建模，实现了在实际场景
PDF3 years ago
ICLR自回归模型的有序自编码任意采样
提出了一种新的自回归模型家族，它结合了主成分分析的灵感，允许任何时间进行采样，并将维度有序地组织到一个结构化表示空间中。实验证明，这种方法在减少计算预算的同时，样本质量可以逐渐降低，同时在图像数据中使用仅 60％到 80％的所有潜在维度，几
PDF3 years ago
深度音乐生成综述：多层表征、算法、评价及未来方向的全面调查
本研究概述了当前流行的各种利用深度学习算法进行不同音乐生成层次的生成音乐任务，并总结了适用于各种任务的数据集、音乐表示、评估方法以及挑战，同时指出了几个未来的研究方向。
PDF4 years ago
EMNLP无声语言的数字化发声
本文介绍了使用静态肌电信号转换为可以听到的声音的新方法，该方法与语音训练模型相比，在肌电信号在进行无声口型时的表现有了长足提升，并共享了一个新的无声和有声肌电测量数据集。
PDF4 years ago
MelNet: 频域音频生成模型
利用二维时频表示，概率模型和多尺度生成，设计了一个能够捕捉高时间尺度结构的模型，可以在各种音频生成任务中达到比以往更好的效果。
PDF5 years ago
条件波形生成对抗网络
本文介绍了通过类别标签实现音频生成的条件生成模型，在超参数调整的基础上使用了连接和条件缩放等方法。我们提出了一种名为 Conditional WaveGANs (cWaveGAN) 的生成模型，并提供了实现代码。
PDF6 years ago