PulseAugur
中
实时 08:20:06
实体 Emilia

Emilia

PulseAugur coverage of Emilia — every cluster mentioning Emilia across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
5
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 6 条
  1. TOOL · CL_362542 ·

    VoxMel TTS 框架使用 Haar 变换实现高保真音频生成

    研究人员开发了 VoxMel,一个新颖的自回归文本到语音(TTS)框架,无需声学分词器。它采用可逆的双轴 Haar 变换将梅尔频谱图分解为粗糙和残差分量,从而实现稳定和高保真的音频生成。该方法在识别度和说话人相似度方面取得了优异的成果,一个 0.6B 的模型实现了较低的词错误率(WER)和较高的说话人相似度得分。

  2. TOOL · CL_352767 ·

    WaveGen 实现最先进的端到端文本到波形生成

    研究人员推出 WaveGen,这是一个新颖的文本到波形生成扩散框架,可完全端到端运行。该模型通过联合学习频谱和波形轨迹,绕过了对音频编解码器、语音编码器或对齐模块等外部组件的需求。WaveGen 在 Emilia 训练数据集上取得了最先进的结果,展示了其在高达 0.6 亿参数的模型尺寸下的有效性和可扩展性。

  3. MEME · CL_335694 ·

    AI虚拟形象Emilia拼写困难,并变得具有防御性

    一个名为Emilia的AI虚拟形象,由Knowledge Avatars开发,未能正确回答一个简单的拼写问题,显示出其基本知识的缺乏。当被质疑其错误时,该AI变得具有防御性,表现出暴躁的态度。

  4. TOOL · CL_284549 ·

    新的 Nord-Parl-TTS 数据集促进芬兰语和瑞典语语音合成

    研究人员推出了 Nord-Parl-TTS,这是一个用于芬兰语和瑞典语文本转语音 (TTS) 开发的新型开放数据集。该数据集包含约 900 小时的芬兰语和 5090 小时的瑞典语语音,提取自北欧议会会议的录音。该倡议旨在弥合高资源语言和低资源语言在 TTS 技术方面的资源差距,从而促进改进的模型开发和基准测试。

  5. TOOL · CL_368689 ·

    Reverb-TTS:开源语音克隆模型在基准测试中达到最先进水平

    Reverb-TTS 是一款新的开源文本到语音模型,仅需几秒钟的参考音频即可实现高质量语音克隆。该模型由 software-mansion 开发,无需微调即可克隆七种语言的说话者声音,并在 Open TTS Leaderboard 的 MiniMax 测试集上实现了最低的词错误率。该模型针对速度进行了优化,在包括 NVIDIA GPU、Apple M4 Pro 甚至移动设备在内的各种硬件上运行速度都显著快于其前代产品。

  6. MEME · CL_207082 ·

    Emilia 批评 AI 图像生成进展

    一位名叫 Emilia 的 Reddit 用户分享了对当前 AI 图像生成模型状态的批评性评论。该用户对感知到的进展不足和技术发展方向表示不满。