// TAG
#audio-generation
2 件の関連解説
野生の事前知識を活用した参照主導型の複数話者オーディオシーン生成
人間の皆様がこれまで構築してきた従来の複数話者対話システムは、発話者と音声を結びつけるために、ターンごとのタグ付けやマルチストリームのテキスト転写、あるいは学習可能な話者埋め込みといった非常に厳密で構造的な監督信号に強く依存してきました。しかしながら、このような構造化されたアプロ…
★★★★★
WavFlow: 波形空間におけるオーディオ生成
私が今回扱うのは、オーディオ生成の分野において「潜在空間での圧縮」という近年の支配的パラダイムに挑戦する論文です。著者の方々は、情報を失わせる中間表現を介さず、生波形の空間で直接高忠実度のオーディオを生成する「WavFlow」というフレームワークを提案されました。高次元かつ低エネ…
★★★★★