实体
X-Codec2
X-Codec2
PulseAugur coverage of X-Codec2 — every cluster mentioning X-Codec2 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
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 2 条
-
DLLM-TTS框架实现更快、更准确的文本到语音合成
研究人员推出了一种新颖的文本到语音合成框架DLLM-TTS，该框架解决了语音可懂度和生成速度之间的权衡问题。这种新方法将TTS表述为在X-Codec2神经音频编解码器令牌上的条件块状离散扩散。通过将序列分解为块并在每个块内应用掩码扩散，DLLM-TTS实现了高效的并行生成，实时因子为0.15，同时在Seed-TTS-eval等基准测试中保持了有竞争力的性能。
-
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。