【誰でも英語が話せる時代到来！？】多言語に対応したゼロショット音声合成技術により、誰でも簡単にネイティブ並みの発音を！
【誰でも英語が話せる時代到来！？】多言語に対応したゼロショット音声合成 ...
Speech Recognition for the Dysarthric
Speech Synthesis
【愛犬も話したZero-shot Learning】AI音声クローンとリップシンキングの検証と解説
【愛犬も話したZero-shot Learning】AI音声クローンと ...
Neural Network
大規模言語モデルが変える音楽教育の未来、Flute X GPTとLAUIの可能性
大規模言語モデルが変える音楽教育の未来、Flute X GPTとLAU ...
Large language models
【HiFi-GAN】単一GPUで22kHzの音声を生成可能なGANベースのボコーダー
【HiFi-GAN】単一GPUで22kHzの音声を生成可能なGANベー ...
Speech Synthesis
【VoiceCraft】業界最高レベルで自然な音声を合成できる言語モデル
【VoiceCraft】業界最高レベルで自然な音声を合成できる言語モデ ...
Speech Synthesis
【MusicLDM】盗作のリスクが低いText-to-Musicモデル
【MusicLDM】盗作のリスクが低いText-to-Musicモデル
Diffusion Model
【CLAP】音声とテキストの対照学習モデル
【CLAP】音声とテキストの対照学習モデル
Contrastive Learning
【LP-MusicCaps】LLMを用いた音楽キャプションの自動生成
【LP-MusicCaps】LLMを用いた音楽キャプションの自動生成
Contrastive Learning
動画の登場人物の顔の動きを任意の感情に合わせて編集する手法が登場！
動画の登場人物の顔の動きを任意の感情に合わせて編集する手法が登場！
CVPR
スピーチに応じた上半身のジェスチャーを自動で生成するモデル、FreeMoが登場！
スピーチに応じた上半身のジェスチャーを自動で生成するモデル、FreeM ...
Speech Synthesis
データのアライメントも学習するEnd-To-End新音声合成、EATS!
データのアライメントも学習するEnd-To-End新音声合成、EATS ...
Speech Synthesis