mel-spectrogram | BriefGPT - AI 论文速递

关键词mel-spectrogram

搜索结果 - 11

音乐一致性模型
MusicCM 利用一致性模型来高效合成音乐剪辑的 mel - 频谱图，通过最小化采样步骤保持高质量，并通过多个扩散过程生成连贯的音乐，实现了计算效率、保真度和自然性的有效性。
PDF3 months ago
通过分离表示的医学言语症状分类
本论文提出了一种名为 DRSC 的医学语音分类模型，该模型通过在文本和 Mel 频谱图领域中提取意图表示，然后将两个领域的意图结合为一个联合表示，并通过决策层进行分类，实验结果表明，该模型在检测 25 种不同医疗症状时的平均准确率为 95%
PDF4 months ago
ICCVDiffV2S：基于扩散的带视觉引导的视频语音合成
本文提出了一种新颖的视觉导向说话者嵌入提取器，使用自监督预训练模型和提示调整技术，从输入的视觉信息中仅生成丰富的说话者嵌入信息，并在推断时间不需要额外的音频信息。利用提取的视觉导向说话者嵌入表示，我们进一步开发了一种基于扩散的视频到语音合成
PDFa year ago
通过建模残差多模态实现鲁棒的 FastSpeech 2
本篇论文通过引入 TVC-GMM，一种 Trivariate-Chain 高斯分布的混合模型，将过度平滑的 mel-spectrogram 有条件解码器进行建模，从而改善表达数据集中的音频质量。
PDFa year ago
用生成对抗网络加强有缺口的语音音频信号
利用机器学习技术，将音频转换成 Mel 频谱图进行图像修复来填补音频中长达 320ms 的缺失区域并且实现了转换回音频流，同时在 LJSpeech 数据集上展示出实时性能。
PDFa year ago
JukeDrummer：基于 Transformer VQ-VAE 的有条件节拍感知音频域鼓伴奏生成
本文提出一种使用 Transformer 模型在音频领域生成鼓声的方法，通过使用含有鼓声和不含鼓声的音轨进行训练，使用 VQ-VAE 进行音频编码，使用 Mel-spectrogram 进行鼓声编码，并且使用与输入音频相关的节拍特征，从而演
PDF2 years ago
音频分类的谱图时间分辨率学习
本篇论文提出了一种新的方法，DiffRes，它通过不同 iable temporal resolution 学习来改善音频分类模型的性能。该方法可以在减少计算成本的同时实现与固定分辨率 mel-spectrogram 相同或更好的分类准确性
PDF2 years ago
Diffsound: 文本生成音效的离散扩散模型
本研究提出了一种基于非自回归解码器、矢量量化变分自编码器、谱图及声码器的文本到声音生成框架，在声音生成效果和速度方面较传统的自回归解码器都有较大的提升。
PDF2 years ago
如犬相语：人类到非人类生物的声音转换
本文提出了从人类语音到狗狗语音的语音转换任务，并尝试使用 Mel-spectrogram 来保持狗狗语音的相似度。
PDF2 years ago
FastSpeech: 快速、健壮、可控的文本到语音
本研究提出了一种基于 Transformer 模型、并行生成梅尔频谱的快速语音合成模型 FastSpeech，它在语音质量、稳定性、可控性和速度方面均具备相应优点。
PDF5 years ago
使用深度卷积神经网络进行自动标记
本篇论文采用全卷积神经网络实现一种基于内容的自动音乐标记算法，通过在 MagnaTagATune 数据集上的实验，我们发现采用 mel-spectrogram 作为输入，4 层结构的全卷积神经网络在 AUC-ROC 分数方面达到了最先进的性
PDF8 years ago