实体
Jose A. Gonzalez-Lopez
Jose A. Gonzalez-Lopez
PulseAugur coverage of Jose A. Gonzalez-Lopez — every cluster mentioning Jose A. Gonzalez-Lopez across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架可根据面部图像生成语音
研究人员开发了一个新颖的面部到语音（F2S）框架，能够从静态面部图像生成逼真的声音，克服了文本到语音（TTS）系统需要参考音频的限制。该系统利用一个轻量级的面部适配器，将面部识别特征与冻结的StyleTTS 2模型的风格空间对齐。在LRS3数据集上的评估表明，合成语音高度自然，声音生成一致，并且面部到语音检索的准确率高于随机水平。值得注意的是，一个英语训练的适配器也能生成流利的西班牙语语音，这表明面部到风格的映射在很大程度上是与语言无关的。
-
GRU模型在脑到文本解码方面优于Mamba
研究人员调查了不同模型架构和目标表示对皮层内脑到文本系统的有效性。该研究在Brain-to-Text '25基准上比较了门控循环单元（GRU）与选择性状态空间模型（Mamba），并评估了语音和字符级目标。结果表明，GRU表现最佳，在语言模型重新评分后，语音目标达到了12.62%的PER，字符目标达到了13.39%的CER。Mamba混合模型具有竞争力，但并未优于GRU基线。