实体
X-Voice
X-Voice
PulseAugur coverage of X-Voice — every cluster mentioning X-Voice across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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
-
新方法通过减少口音泄露来改进跨语言语音克隆
研究人员开发了口音类比指导（AAG），这是一种新颖的无需训练的方法，通过减少口音泄露来改进跨语言语音克隆。AAG通过从模型预测中减去估计的口音方向来工作，从而在保留所需口音的同时消除语音中的口音。在包括OmniVoice和MaskGCT在内的四个开放式TTS模型上进行的实验表明，与现有的重加权技术相比，AAG在同等口音水平下显著提高了说话人相似度。
-
Mistral AI 和 X-Voice 通过新架构推进多语言语音克隆
研究人员推出 X-Voice，一个参数量为 0.4B 的紧凑型模型，能够进行30种语言的零样本跨语言语音克隆。该模型采用两阶段训练流程，结合了统一的国际音标表示和开源资源。另外，Mistral AI 发布了 Voxtral TTS，一个参数量为 4B 的大型模型，结合了自回归和流匹配架构，以解决文本到语音合成中的“表现力差距”。Voxtral TTS 可根据简短的音频提示生成自然、忠实于说话人声音的9种语言语音，并展现出优于现有系统的强劲性能。