【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
◯◯to◯◯
潜在拡散モデルは必ずしも「サイズを大きくすれば良い」というわけではない
潜在拡散モデルは必ずしも「サイズを大きくすれば良い」というわけではない
Diffusion Model
【Mustango】音楽のドメイン知識を活用した音楽生成モデル
【Mustango】音楽のドメイン知識を活用した音楽生成モデル
Audio and Speech Processing
【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
【AlphaCodium】プログラミングに特化した最高性能のコード生成手法
【AlphaCodium】プログラミングに特化した最高性能のコード生成 ...
Large language models
【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
【AudioLDM】Latent Diffusionを用いたText-to-Audioの生成モデル
【AudioLDM】Latent Diffusionを用いたText- ...
Diffusion Model
【CoDi】ほぼ全てのモダリティを扱えるAny-to-Anyの拡散モデル
【CoDi】ほぼ全てのモダリティを扱えるAny-to-Anyの拡散モデ ...
Diffusion Model
【Versatile Diffusion】テキストと画像を統合的に扱う拡散モデル
【Versatile Diffusion】テキストと画像を統合的に扱う ...
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
【UniD3】画像と文章を統合的に扱うマルチモーダル離散拡散モデル
【UniD3】画像と文章を統合的に扱うマルチモーダル離散拡散モデル
Diffusion Model
【Brain2Music】脳の情報をもとに音楽を自動生成
【Brain2Music】脳の情報をもとに音楽を自動生成
Large language models
【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
【MuLan】対照学習を利用したMusic-Textのマルチモーダル
【MuLan】対照学習を利用したMusic-Textのマルチモーダル
Contrastive Learning
【MusicLM】Googleが開発したText-to-Musicの生成モデル
【MusicLM】Googleが開発したText-to-Musicの生 ...
Transformer
【Make-An-Audio】音声生成のためのプロンプト強化拡散モデル
【Make-An-Audio】音声生成のためのプロンプト強化拡散モデル
Diffusion Model
【Moûsai】テキスト入力による高品質な音楽生成の拡散モデル
【Moûsai】テキスト入力による高品質な音楽生成の拡散モデル
Diffusion Model
MA強化学習を使用した自律型ドローン制御による森林再生アプローチ
MA強化学習を使用した自律型ドローン制御による森林再生アプローチ
強化学習