【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
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