![[MuLan] 使用对比学习的多模态音乐](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2023/mulan-520x300.png)
[MuLan] 使用对比学习的多模态音乐-文本。
[MuLan] 使用对比学习的多模态音乐-文本。
对比学习
语音识别
![[MusicLM]谷歌开发的文本到音乐生](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2023/musiclm-520x300.png)
[MusicLM]谷歌开发的文本到音乐生成模型。
[MusicLM]谷歌开发的文本到音乐生成模型。
Transformer
![[Make-An-Audio]用于语音生](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2023/make-an-audio-520x300.png)
[Make-An-Audio]用于语音生成的提示增强扩散模型。
[Make-An-Audio]用于语音生成的提示增强扩散模型。
扩散模型
来自文本、语音和视觉的多模态情感识别：索尼提议M2FNet!
来自文本、语音和视觉的多模态情感识别：索尼提议M2FNet!
情感识别
不同的分辨率特征应该如何连接？：索尼对D3Net的建议
不同的分辨率特征应该如何连接？：索尼对D3Net的建议
CVPR
用较少的计算资源工作的文本转语音方法。
用较少的计算资源工作的文本转语音方法。
纳斯达克
只需通过语音就可以生成一个类似于演讲者的三维人脸网状结构
只需通过语音就可以生成一个类似于演讲者的三维人脸网状结构
3D
现在有一种技术，可以编辑视频人物的面部动作，以配合任何情绪！这就是我们的技术。
现在有一种技术，可以编辑视频人物的面部动作，以配合任何情绪！这就是我们 ...
CVPR
更加逼真的3D面部动画现在可以从音频中生成了!
更加逼真的3D面部动画现在可以从音频中生成了!
3D
FreeMo，一个可以根据语音自动生成上半身手势的模型，就在这里!
FreeMo，一个可以根据语音自动生成上半身手势的模型，就在这里!
文字转语音
你能以爆炸性的速度和低功耗进行深度学习、图形搜索和条件优化吗？基于大脑的计算机的定量能力。
你能以爆炸性的速度和低功耗进行深度学习、图形搜索和条件优化吗？基于大脑 ...
调查
最后，一个能听懂讽刺性对话并能生成说明性文本的人工智能!
最后，一个能听懂讽刺性对话并能生成说明性文本的人工智能!
自然语言处理
模型轻量化技术!轻量级和高性能的语音情感识别模型LightSER-NET!
模型轻量化技术!轻量级和高性能的语音情感识别模型LightSER-NE ...
语音识别
一个新的手势生成的GAN，考虑到了人类的情感!
一个新的手势生成的GAN，考虑到了人类的情感!
生成对抗网络(GAN)
最新的激活函数综合评述!
最新的激活函数综合评述!
调查
超轻量级CNN语音识别模型！谷歌开发的 "ContextNet "解读
超轻量级CNN语音识别模型！谷歌开发的 "ContextNet "解读
语音识别
这就是SoTA关于语音识别的论文! 谷歌的这项研究真是突破了半监督学习的极限!
这就是SoTA关于语音识别的论文! 谷歌的这项研究真是突破了半监督学习 ...
语音识别
端到端语音翻译 "NeurST"。
端到端语音翻译 "NeurST"。
语音识别