PulseAugur
中
实时 09:33:46
English(EN) UniVoice: A Unified Model for Speech and Singing Voice Generation

UniVoice模型统一语音和歌声生成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了UniVoice，一个能够生成语音和歌声的新型统一模型。该模型采用带有Diffusion Transformer骨干的条件流匹配方法，将条件分解为内容、旋律和音色。对于语音，空旋律标记允许自然韵律推断；对于歌声，明确的MIDI音符序列提供旋律控制。UniVoice在广泛的语音和歌声数据集上进行训练，在两个领域都展现出与专用系统相比具有竞争力的性能。 AI

影响 这个统一模型可以简化语音和歌声内容的先进语音合成工具的开发。

排序理由 这是一篇详细介绍音频生成新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Junjie Zheng, Huixin Xue, Shihong Ren, Chaofan Ding, Hao Liu, Zihao Chen ·

    UniVoice：统一的语音和歌声生成模型

    arXiv:2606.05852v1 Announce Type: cross Abstract: Text-to-speech (TTS) and singing voice synthesis (SVS) both aim to generate human vocal audio from symbolic inputs, but they impose different requirements on the generation process. Speech generation relies on flexible, language-d…

相关实体

相关话题