实体
X-Codec
X-Codec
PulseAugur coverage of X-Codec — every cluster mentioning X-Codec across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
NVIDIA 发布 Audex，一个统一的音频-文本大语言模型，保留文本智能
NVIDIA 推出了 Audex (Nemotron-Labs-Audex-30B-A3B)，一个能够理解和生成音频及语音的统一音频-文本大语言模型。与许多文本性能有所下降的多模态模型不同，Audex 的设计旨在保持其 Nemotron-Cascade-2-30B-A3B 骨干模型的文本智能。该模型通过多阶段训练过程和纯文本强化学习来实现这一点，从而在文本基准测试中取得有竞争力的分数，并具备强大的音频能力，包括超越语音的通用音频生成。
-
AI模型使用神经编解码器从MIDI生成鼓音频
研究人员开发了一个新系统，可以将富有表现力的鼓点网格（一种详细的MIDI格式）转换为逼真的鼓音频。该方法利用Transformer模型从神经音频编解码器预测离散代码，然后将这些代码解码为声音。使用EnCodec、DAC和X-Codec等编解码器进行的实验表明，音频表示的选择会显著影响合成鼓的质量。该系统在E-GMD数据集上进行了训练和评估，证明了编解码器-令牌预测是一种可行的打击乐合成方法。