WavSLM 通过蒸馏 WavLM 表示简化语音生成

研究人员开发了 WavSLM，这是一种新颖的语音语言模型，通过将自监督 WavLM 表示蒸馏到一个代码本中，简化了连贯语音的生成。这种方法允许 WavSLM 在单个 token 流中联合建模语义和声学信息，无需文本监督或预训练。尽管其架构得到简化，WavSLM 在语音生成和一致性基准测试中仍表现出竞争力，使用的参数更少、训练数据更少，同时实现了流式推理。 AI

排序理由 该集群描述了一篇发表在 arXiv 上的关于新型语音语言模型 WavSLM 的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Luca Della Libera
• ScienceCast
• WavLM
• WavSLM

• 论文
• 模型发布

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