实体
TangoFlux
TangoFlux
PulseAugur coverage of TangoFlux — every cluster mentioning TangoFlux 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 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
分析AI模型在猫叫声中的表现力范围
研究人员开发了一种分析文本到音频模型表现力范围的方法，并将其专门应用于猫叫声。通过从不同提示和模型生成大量音频片段，他们使用基于音色、音高和响度的表现力范围图可视化了输出的多样性。该研究比较了Stable Audio Open 1.0、EzAudio和TangoFlux，并指出了它们在产生多样化和逼真猫叫声方面的能力差异。
-
FreeSonic框架实现了精确的、无需训练的音频编辑
研究人员推出FreeSonic，一个专为精确音频编辑设计的新型框架，无需额外训练。该系统利用TangoFlux模型，并采用优化的反演-反向过程以及联合文本-音频注意力图来精确提取目标音频片段。FreeSonic的方法将修改限制在指定区域内，同时保持原始声学上下文，并结合面向任务的噪声注入，以增强其在音频移除和替换等任务中的实用性。
-
Sony AI发布Woosh，一个可与开源模型竞争的声音效果基础模型
Sony AI发布了Woosh，一个用于生成声音效果的新基础模型。该模型包含音频编码/解码、文本-音频对齐以及文本到音频和视频到音频生成组件。还提供了蒸馏版本，以实现更快的推理和更低的资源使用。评估表明，Woosh在性能上可与StableAudio-Open和TangoFlux等现有开源模型竞争。