sound generation | BriefGPT

关键词sound generation

搜索结果 - 6

SoundCTM: 合并基于分数和一致性模型的文本到声音生成
我们介绍了声音一致性轨迹模型（SoundCTM），该模型通过多步骤生成实现了高质量的一步骤和多步骤实时声音生成，并在训练中利用教师网络的特征距离进行了创新。
PDFa month ago
LVNS-RAVE：基于 RAVE 和潜向量新奇性搜索的多样化音频生成
由于进化算法需要复杂的设计且生成的声音缺乏真实感，而生成式深度学习模型常常只是复制数据集缺乏创造力，本文提出了 LVNS-RAVE 方法，将进化算法与生成式深度学习相结合以产生逼真和新颖的声音样本。实验结果表明，该方法能够成功生成多样化和新
PDF2 months ago
Audiobox: 统一音频生成的自然语言触发器
Audiobox 是一种基于流匹配的统一模型，通过描述和示例的提示来增强可控性，统一了语音和声音生成范式，并通过使用 Bespoke Solvers 提高生成速度。
PDF6 months ago
利用预训练的 AudioLDM 实现文本到语音生成：基准研究
本文探讨了使用预先训练的 AudioLDM 模型作为声音生成的 “骨架” 在小数据量场景下实现优异表现的优势，并且比较了不同训练策略对模型性能的影响。同时，为了促进未来的研究，我们还在几个常用数据集上评估了各种文本生成语音系统，以允许公平比
PDFa year ago
从视频中生成视觉对齐的音频
本文提出了一个名为 REGNET 的框架，利用外观和运动特征从视频帧中提取物体发出的声音，结合创新的音频转发正则化器进行更强的声音预测监督，在训练过程中使用了可控制影响因素的正则化器，并通过 Amazon Mechanical Turk 进
PDF4 years ago
CVPR2.5D 视觉声音
该研究提出了一种利用视频将常见的单通道音频转换为双耳音频的深度卷积神经网络方法，称为 2.5D 视听效果，可以产生具有空间感的音频，同时有助于音频 - 视觉源分离。
PDF6 years ago