【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
音声合成
【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
【構音障害者音声を生成！？】学習データ不足を解消する魔法のデータ拡張技術とは
【構音障害者音声を生成！？】学習データ不足を解消する魔法のデータ拡張技 ...
Sound
【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
【AIのカンブリア大爆発】有用なAIクリエータを見出して活かす時代のポイント
【AIのカンブリア大爆発】有用なAIクリエータを見出して活かす時代のポ ...
Video Generation
【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
【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
【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