PulseAugur
中
实时 06:51:30
实体 Visual Text-to-Speech (VisualTTS)

Visual Text-to-Speech (VisualTTS)

PulseAugur coverage of Visual Text-to-Speech (VisualTTS) — every cluster mentioning Visual Text-to-Speech (VisualTTS) across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_340279 ·

    ViSSFlow 统一视频条件声音和语音生成

    研究人员开发了 ViSSFlow，一个统一视频条件声音和语音生成的新框架。该方法利用具有解耦条件聚合机制的 Diffusion Transformer (DiT) 来处理各种视觉和语义线索。ViSSFlow 表明，单个模型可以在不降低性能的情况下有效处理视频到声音 (V2S) 和视觉文本到语音 (VisualTTS) 任务，并通过特征级数据合成策略解决了配对训练数据稀缺的问题。