实体
BigVGAN
BigVGAN
PulseAugur coverage of BigVGAN — every cluster mentioning BigVGAN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
IndexTTS 2.5 凭借多语言支持和更快的推理速度，在零样本 TTS 方面取得进展
研究人员推出了 IndexTTS 2.5，这是一款先进的零样本文本到语音模型，在其前代产品的基础上进行了显著改进。主要增强功能包括降低语义编解码器帧率以降低成本，升级基于 Zipformer 的架构以实现更快的推理速度，以及扩展对中文、英文、日文、西班牙文和阿拉伯文的多语言支持。该模型还融入了强化学习以提高发音准确性和自然度，即使没有特定的情感训练数据，也能实现跨语言的稳健情感迁移。
-
多语言生成中的语音单元声码器分析
研究人员系统地分析了用于多语言、多说话人语音生成系统中的离散语音表示。他们的研究聚焦于一种跨四种印度语言的BigVGAN单元声码器，发现语音单元簇的大小通过提高语音清晰度显著影响可懂度。明确的说话人条件被认为是维持说话人身份的关键，而语言监督提供了额外的好处，尤其是在单元更模糊的小簇大小下。